بزرگترین و بهترین سایت املاک کشور

بررسی عوامل موثر در قیمت گذاری مسکن

مقالات 1394/03/04

 

 


چکیده

تعیین و برآورد قیمت مسکن در مناطق شهری از اهمیت زیادی برای برنامه ریزان وتصمیم گیران برخوردار است. این برآورد به ویژه اگر بتواند سهم عوامل تاثیرگذار در ارزش املاک را به خوبی منعکس نماید، می تواند در برنامه ریزی وتصمیم گیری در بسیاری از سیاست های شهری و منطقه ای مورد استفاده قرارگیرد .از آنجا که از یکسو شکوفایی بخش مسکن در سرانه تولید ملی موثر بوده و افزایش اشتغال را بهمراه خواهد داشت ، و از سوی دیگر افزایش وام مسکن برای خرید یا هرگونه افزایش نقدینگی موجب افزایش تورم و فاصله گرفتن سطح درآمد عمومی با هزینه مسکن خواهد شد. لذا برنامه ریزی مسئولین دولتی در مهار تورم و افزایش قیمت همراه ایجاد رونق در بازار مسکن نیازمند مطالعه دقیق این موضوع میباشد. در این راستا به سبب ناهمگنی مسکن وتاثیرپذیری قیمت آن از خصوصیات و ویژگیهایش سبب شده تا از چند دهه گذشته استفاده از تابع هدانیک برای برآورد قیمت مسکن رایج شود. در این مقاله ابتدا سعی در بررسی عوامل نوسانات اخیر قیمت مسکن نموده و سپس عوامل اصلی تغییرات قیمت شناسایی میگردد بعد از آن  با بهره گیری از فرم های خطی، نیمه لگاریتمی و لگاریتمی دوبل تاثیر هر کدام از ویژگی های مختلف واحد مسکونی بالا خص ویژگی های محیطی و محلی آن بر قیمت نهایی، در منطقه مورد مطالعه (کوی نصر-گیشا- تهران) با استفاده از تابع هدانیک(برآورد مطلوبیت نهایی) مورد بررسی قرارگرفته وقیمتهای ضمنی هر ویژگی محاسبه شده است.داده های این مطالعه از پرسشنامه ارزش و رتبه گذاری ترجیحات انتخاب مسکن ، از میان اشخاص فروشنده واحد های آپارتمانی جمع آوری و استخراج گردیده است. در پایان با برنامه نویس نرم افزاری جهت برآورد قیمت مسکن در محدوده اشاره شده بر اساس خصوصیات ملک این توانایی برای کاربران ایجاد میشود که بتوانند ، ملک مورد تقاضای خود را قیمت یابی نمایند.

 

 

فهرست مطالب

 

عنوان   صفحه
فصل اول : کلیات  
فصل دوم : مرور اربیات  
  2-1  مقدمه 14
  2-2  بررسی عوامل موثر بر قیمت مسکن 15
       2-2-1 نرخ تورم و نقدینگی 17
       2-2-2 عرضه و تقاضا 21
       2-2-3  قیمت نهادها و مصالح ساختمانی 24
       2-2-4  نرخ بهره 25
       2-2- 5  سایر عوامل 27
       2-2-6  مشاوران املاك عناصر نامحسوس 29
       2-2-7  دلایل افزایش قیمت مسکن از نگاه مرکز پژوهش ها 32
   2-3 بررسي قدرت خريد مسكن در نقاط مختلف جهان 35
  2-4  سياست پيشگيرانه براي مقابله با بحران مسكن 37
  2-5  لزوم برنامه ریزی در بخش مسکن 41
  2-6  راهکار های كنترل بازار مسكن و مقابله با مشکلات آن 43
       2-6-1 راهكارهاي مربوط به نقش‌آفريني دولت در جهت افزايش عرضه مسكن 44
            2-6-1-1  نتايج سفارش ساخت مسكن از طرف دولت 44
       2-6-2 راهكارهاي مربوط به سياست كنترل بازار زمين و كاهش « سهم هزينة زمين در قيمت مسكن» 45
            2-6-2-1 اجاره بلندمدت زمين 46
            2-6-2-2 روش تامين زمين و كنترل بازار آن در كلان‌شهرها 47
       2-6-3 راهكار تامين مالي براي پوشش هزينة ساخت مسكن 47
  2-7 مدل مفهومی 47
  2-8 ارزشیابی مسکن 48
  2-9 مدل هدانیک و ارزشیابی مسکن 51
       2-9-1  ماهیت مدل هدانیک 51
       2-9-2  کاربرد روش ارزش گذاری هدانیک با استفاده از قیمت های مسکن 52
            2-9-2-1  چرا از روش هدانیک استفاده کنیم؟ 52
            2-9-2-2  دیگر روش های قابل استفاده و جایگزین 53
       2-9-3 نحوه عملکرد مدل هدانیک در ارزش یابی عوامل تاثیر گذار بر قیمت مسکن 54
            2-9-3-1  برای اعمال روش قیمت گذاری هدانیک اطلاعات زیر بایستی جمع آوری شود:

 

54
       2-9-4  محدویت ها و معایب روش هدانیک 55
  2-10  مثال هایی از بررسی های صورت گرفته در ارزشیابی مسکن 57
فصل سوم : روش تحقیق 59
  3-1  مبانی نظری 60
  3-2 تبیین مدل تحلیلی این مطالعه 62
  3-3  روش تحقیق 65
       3-3-1  جامعه آماری مورد مطالعه 65
       3-3-2  روش جمع آوری داده ها 65
       3-3-3  ابزارهای گرد آوری داده ها 66
       3-3-4  ابزارهای تجزیه و تحلیل 66
فصل چهارم : برآورد مدل و تشریح یافته ها 67
  4-1 داده ها 68
       4-1-1 گردآوری اطلاعات 68
       4-1-2 دسته بندی و ورود اطلاعات 69
  4-2 تحلیل رگرسیون در Minitab 69
  4-3 اعتبار سنجی پرسشنامه 70
  4-4 تحلیل و بررسی نتایج 71
       4-4-1 پردازش اولیه اطلاعات 71
       4-4-2 برآورد مدل 72
  4-5 اعتبار سنجی نتایج حاصله 83
فصل پنجم : نرم افزار 87
  5-1 طراحی نرم افزار “مسکن 88
  5-2 نحوه کار با نرم افزار “مسکن 88
       5-2-1 منوی اصلی 88
       5-2-2 فرم برآورد قیمت مسکن 89
       5-2-3 فرم ورود اطلاعات 91
       5-2-4  فرم خروجی بانک داده 92
فصل ششم : نتیجه گیری 93
  6-1 نتیجه گیری 94
  6-2  پیشنهادات 96
فهرست ضمائم 97
  ضمیمه 1 98
  ضمیمه 2 99
فهرست منابع و مراجع 101


فهرست جداول ، اشکال و نمودارها

 

عنوان صفحه
نمودار 2-1 روند رشد قیمت نفت طی سالهای 2005 تا 2012 18
نمودار 2-2  بررسی بازار مسکن در انگلیس 41
شکل 4-1 تحلیل رگرسیون در Minitab 70
جدول 4-1 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش خطی) 74
جدول 4-2 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش نیمه لگاریتمی) 76
جدول 4-3 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش لگاریتمی دوبل) 78
نمودار 4-1 نمودار بررسی تغییرات قیمت  با افزایش مساحت واحد مسکونی (روش خطی) 80
نمودار 4-2 نمودار بررسی تغییرات قیمت  با افزایش مساحت واحد مسکونی (روش نیمه لگاریتمی) 80
نمودار 4-3 نمودار بررسی تغییرات قیمت  با افزایش مساحت واحد مسکونی (روش لگاریتمی دوبل) 81
نمودار 4-4 نمودار بررسی تغییرات میزان خطا با افزایش مساحت واحد مسکونی (روش خطی) 82
نمودار 4-5 نمودار بررسی تغییرات میزان خطا با افزایش مساحت واحد مسکونی (روش نیمه لگاریتمی) 82
نمودار 4-6 نمودار بررسی تغییرات میزان خطا با افزایش مساحت واحد مسکونی (روش لگاریتمی دوبل) 83
جدول 4-4 مقایسه نتایج حاصل از سه مدل خطی، نیمه لگاریتمی و لگاریتمی دوبل در برآورد قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران 86
شکل 5-1 فرم اصلی نرم افزار 89
شکل 5-2 نمای فرم برآورد قیمت مسکن 90
شکل 5-3  نمای فرم ورود اطلاعات 91
شکل 5-4  نمای فرم خروجی بانک داده 92

 

 

 

 

 

فصل اول

 

کلیات

 

مسکن بعنوان یک کالای ناهمگن، بادوام، غیرمنقول،سرمایه ای،مصرفی و دارای پیامدهای جنبی، سهم زیادی از بودجه خانوارها، هزینه ها و سرمایه گذاری های ثابت نا خالص ملی را به خود اختصاص داده و نقش زیادی در اشتغال و ارزش افزوده کشورها دارد. همین ویژگی ها سبب شده تا دولت ها در بازار مسکن دخالت کرده و اقدام به سیاستگذاری و برنامه ریزی نمایند.

مسکن و بازار آن از جمله موضوعاتی است که در طول چهل سال گذشته حجم زیادی از مطالعات شهری به ویژه اقتصاد شهری را به خود اختصاص داده است. روزن و فالیس[1] و مگبولوگبی و لینمن[2]  در مطالعات خود جمع بندی جامعی از ادبیات موجود در این زمینه ارایه داده اند. در این مقالات ابعاد مختلف مسکن،سهم مخارج مسکن در بودجه خانوار، هزینه های ملی و سرمایه گذاری ثابت ناخالص ملی وعوامل موثر بر انتخاب نوع تصرف (سلیقه،هزینه و درآمد) و نیز مدل های مورد استفاده در تجزیه و تحلیل این بازار بررسی شده است.

هر چند در مطالعات اقتصاد شهری و منطقه ای، مسکن را به عنوان یک کالا در نظر می گیرند ولی واقعیت این است که مسکن دارای تنوع زیادی بوده ودارای انواع مختلفی از بازارها می باشد. به عبارت دیگر بازار مسکن یک بازار واحد نیست، بلکه دارای زیربازارهایی است که هرکدام ازآنها برحسب نوع تصرف، نوع واحد، عمر واحد، عمر واحد مسکونی، کیفیت، نحوه تامین مالی و اندازه از یکدیگر جدا می شوند.

بطورکلی روش های برآورد تقاضا برای مسکن را می توان به دو دسته کلی تقسیم کرد: دسته اول، مسکن را بعنوان یک کالای همگن در نظر می گیرد و همانند سایر کالاها سعی در تخمین مقدار تقاضا، کشش های قیمتی و درآمدی دارد. اما در دسته دوم، مسکن به عنوان یک کالای چند بعدی در نظر گرفته می شود و تاثیر هر یک از ویژگی های آن بر قیمت مسکن تخمین زده می شود. در روش اول خصوصیات و ویژگی های مسکن نادیده گرفته می شود و برای تخمین تقاضا از داده های مقطع عرضی و یا سری زمانی استفاده می گردد. در روش دوم قیمت هر واحد مسکونی تابعی از متغیرهای مختلف مانند اندازه زمین، زیربنا، تعداد اتاق، نوع مصالح ساختمانی بکار رفته درآن و موقعیت مکانی و محیطی و دهها متغییر ریز و درشتی است که هر کدام از این ویژگیها در بازار قیمت خاص خود را دارد. در این الگو مسکن یک کالای مرکب با سبدی از ویژگی های متفاوت است و هر کدام از ویژگی ها، مطلوبیت های متفاوتی برای مصرف کننده دارد.

نا همگنی و مرکب بودن مسکن ایجاب می کند تا از مدل هدانیک قیمت برای تعیین عوامل موثر بر اجاره مسکن استفاده شود.

تابع هدانیک (Hedonic Regression) که به طور متدوال در برآورد تقاضای مسکن به عنوان یک کالای مرکب مورد استفاده قرار می گیرد برای اولین بار توسط روزن[3] مطرح شد و با کمک آن عکس العمل قیمت مسکن نسبت به تغییر در ویژگی های آن نشان داده شد. پس از آن ، تابع ذکر شده به شکل های مختلفی برای برآورد تقاضا و تعیین قیمت ضمنی هر کدام از ویژگی های مسکن مورد استفاده قرار گرفته است. در همین زمینه بایستی به مطالعاتي که به طور موردی در شهرهایی همچون مشهد- بررسی عوامل موثر بر قیمت مسکن در شهر مشهد(رهیافت اقتصادسنجی فضایی در روش هدانیک) دکتر نعمت ا… اکبری و همکاران، 1383 – و اهواز- برآورد تابع قیمت هدانیک مسکن شهر اهواز به روش داده های ترکیبی، سید منصور زراء نژاد، 1385 – و خمینی شهر- تخمین تابع تقاضای مسکن با استفاده از مدل قیمت هدانیک مطالعه موردی خمینی شهر ، رحمان خوش اخلاق ، 1378 – به اجرا در آمده و همچنین به پژوهشی جامع تر که توسط دکتر عسگری (دانشگاه تربیت مدرس) و دکتر جعفر قادری(دانشگاه شیراز) اشاره کرد که با استفاده از داده های هزینه درآمد 12320 خانوار نمونه شهری و بکارگیری مدل هدانیک به برآوردی از قیمت مسکن مناطق شهری دست یافته اند .

البته حتي در اين مورد همان طور که خود نیز در مقاله مربوطه به آن اشاره کرده اند، به دلیل محدودیت آمار و اطلاعات، متغییرهای مورد استفاده بالاخص متغیرهای بیرونی همچون ویژگی های دسترسی به بازار کار، مراکز خرید، دسترسی به واحد های بخش عمومی و ویزگی های محلی و محیطی در محاسبات داخل نشده اند.

بی شک وجود چنین متغییرهایی در برآورد هر چه واقعیت قیمت یک ملک آن هم در کشوری همچون ایران که درآن شرایط فرهنگی و روانی جامعه و موقعیت مکانی و محیطی يك ملك ، تاثیر بسازایی در نواسان قیمتی آن دارد ، خود می تواند زمینه تحقیقی مستقل قرار گیرد.

از طرفی تمامی پژوهش های فوق بر مبنای اطلاعات میدانی جمع آوری شده از میان دو گروه مالکین و مستاجرین (عرضه و تقاضا کنندگان مسکن) بوده است در حالی که نباید نقش متخصصین و کارشناسان قیمت گذاری مسکن كه به نوعي مي‌توان معامله گران و بنگاه داران معاملات ملكي را در زمره آنها قرار داد و تجربه و توانایی ارزیابی ارزش املاک را با توجه به درنظر گرفتن تمامی عوامل تاثیر گذار درآن دارند نادیده گرفت.

با این رویکرد هدف اصلی این مقاله برآورد مدل هدانیک قیمت مسکن با تمرکز بر متغیرهای محیطی وروانی دخیل در قیمت آن و دستیابی به وزن دخالت هر یک از آن عوامل است که البته این بررسی با انتخاب منطقه کوی نصر (گیشا) تهران به عنوان مکان مورد مطالعه[4] و جمع آوری داده های مورد استفاده در مدل از آن صورت گرفته است. در ادامه ابتدا در قسمت دوم، مرور ادبیات در رابطه با مسکن و عوامل موثر بر آن و دیدگاههای مختلف در این رابطه بیان می گردد ، در فصل سوم روش تحقیق صورت گرفته در این مطالعه مطرح می گردد ، فصل چهارم به بیان مبانی نظری و تبیین مدل مورد مطالعه می پردازد ، در فصل پنجم چگونگی طراحی و عملکرد نرم افزار طراحی مسکن بیان می گردد و در آخر نتیجه گیری و جمع بندی مطالب ارائه می گردد.

 

 

 

 

فصل دوم

 

مرور ادبیات

 

2-1  مقدمه

امروزه خريد مسكن و يا تبديل به احسن آن از امور مبتلا به اغلب خانواده هاي ايراني شده است گراني و تورم قيمت مسكن موجب ناخرسندي بسياري از خانواده ها گرديده و به خصوص آنهايي را كه تاكنون موفق به تهيه مسكن نشده اند نگران كرده است.

ريشه يابي و بررسي قيمت مسكن و روند رشد آن مستلزم مطالعه و تحلیل زير مجموعه هاي مسكن و عوامل دخيل در شكل گيري مسكن تا تصرف آن توسط خانواده ها می باشد.

تامین مسکن مناسب برای شهروندان، کنترل بازار مسکن و نظارت بر قیمت‌ها از وظایف اصلی دولت‌ها است. مطابق اصول 2، 31 و 43 قانون اساسی، تامین مسکن متناسب با نیاز شهروندان از وظایف اصلی دولت شمرده شده است، به گونه‌ای که تامین مسکن مناسب در اصل 43 یکی از مولفه‌های اصلی استقلال اقتصادی و… شمرده شده است.

برای تحقق این اهداف، دولت‌ها سیاست‌هایی را جهت ساماندهی بازار مذکور اتخاذ می‌کنند.طی دهه‌های اخیر با افزایش جمعیت و رشد صنعتی کشور، مهاجرت به سوی شهرها، افزایش جمعیت شهری و کاهش بعد خانوار، تامین مسکن مناسب برای خانوارها با مشکلات عدیده‌ای موجه شده است. دوره‌های رکود و رونق تورمی ‌و افزایش بی رویه قیمت مسکن و زمین و متعاقب آن اجاره‌بها و تبدیل تقاضای موثر به تقاضای غیر موثر، گواه مطلب فوق است.

طی سال‌های اخیر قیمت مسکن و زمین خصوصاً در شهرهای بزرگ به شكلي بي رويه افزايش و رشدي تصاعدی  داشته است. اين امر موجب فشار بيشتر  بر اقشار کم درآمد شده و از سوي ديگر اين قشر كمتر از تسهیلات مسکن  بهره برده اند. اين در حالي است كه سیاست های اجرایی نظام باید به‌گونه ای باشد که این گروه بتوانند بیشتر از ساير اقشار جامعه از تسهیلات مذكور براي خريد مسكن استفاده كنند.

هر ساله در حدود 800هزار ازدواج در کشور صورت می گیرد که این رقم همواره با نرخ رشد مثبتي در سال‌های آتی ادامه خواهد داشت و یکی از اصلی‌ترین نیازهای این زوج های جوان تهیه مسکن است. همچنین با بررسی درصد واحد های مسکونی اجاره ای و رهنی در شهر ها و روستاهای کشور ، صرف نظر از تعداد خانه های فرسوده و غیر قابل سکونت ،کمبود بسیار زیادی در تعداد واحد های مسکونی مورد نیاز در کشور احساس می گردد.

از ديدگاه نظري نوسانات و تغييرات سطح قيمت املاك به عوامل متعددي بستگي دارد بعضي از اين عوامل داراي ماهيتي كمي و برخي هم از سرشت كيفي برخوردارند.

با توجه به پژوهش های صورت گرفته در راستای ارزشیابی مسکن مي توان چنين نتيجه گرفت كه قيمت هاي اعمال شده توسط شهرداري ها فاقد بنيان علمي لازم بوده و اين قيمت گذاري بدون توجه به عوامل موثر بر ارزش املاك صورت می پذیرد، در پاره اي از موارد قيمت بسيار دورتر از قيمت هاي روز است و در پاره اي موارد اين فاصله كم تر است.

لذا در سالهای اخیرموضوع مسکن و بازار آن و همچنین ارزشیابی آن حجم زیادی از مطالعات شهری بویژه اقتصاد شهری را بخود اختصاص داده است. در این فصل به بررسی مطالب مطرح شده و مطالعات صورت گرفته در رابطه با مسکن و قیمت و ارزشیابی آن می پردازیم.

 

2-2  بررسی عوامل موثر بر قیمت مسکن

 

 

 

 

 

 

 

نوسانات بازار مسكن تحت تاثير ساختار كلان اقتصادي كشور از مدل خاصي پيروي مي كند. اين مدل در سه دهه گذشته كه الگوي اقتصاد كشور برمبناي درآمد نفت شكل گرفته و از طرف ديگر ساختار سكونتي از قالب روستايي به شهري تبديل شده است، به طور نسبي روند ثابت و معيني بر تحولات قيمت، توليد و سرمايه گذاري در بخش مسكن حاكم كرده است.مطابق اين الگو قيمت مسكن در يك دوره سه الي چهارساله از ثبات نسبي برخوردار مي شود و تا حدودي عرضه بر تقاضا تفوق مي يابد و بر بازار معاملات و سرمايه گذاري حاكم مي شود. بعد از طي اين دوره ابتدا در شهر تهران (به عنوان شهر پيشتاز) و به دنبال آن در ساير شهرهاي بزرگ تقاضاي توده وار و غيرطبيعي، وارد بخش مي شود. چون عرضه مسكن در كوتاه مدت نمي تواند پاسخگوي اين تقاضا باشد، قيمت مسكن به صورت جهش وار افزايش مي يابد تا در آن قيمت مازاد تقاضا بر عرضه از بين برود. به دنبال آن افزايش دفعي در توليد و سرمايه گذاري اتفاق مي افتد. اين حالت همزمان با فروكش كردن تقاضا و ثبات قيمت ها به علت چسبندگي آن به سمت پايين است. اين وضعيت ادامه مي يابد تا سيكل ديگر در دوره زماني بعد يعني حدود سه الي چهار سال ديگر اتفاق بيفتد[5].

به طور كلي می توان عوامل موثر بر بازار مسكن را همانند ساير بازارها به دو بخش عوامل سمت تقاضا و عوامل سمت عرضه تقسيم مي شوند ولي موضوع متفاوت در بازار مسكن عوامل سمت تقاضا است. در بازار مسكن عوامل سمت تقاضا خود به دو دسته تقسيم مي شوند:

  • أ‌- تقاضاي واقعي مسكن (تقاضاي ناشي از نياز خانوار).
  • ب‌- تقاضاي سرمايه يي (تقاضاي مسكن براي حفظ ارزش دارايي).

آنچه تحولات بازار مسكن را از تحولات ساير بخش هاي اقتصادي متفاوت مي كند و موجب شكل گرفتن الگوي متفاوت تغيير قيمت مي شود تقاضاي سرمايه يي مسكن است. بر اين اساس لازم است اين تقاضا بيشتر تجزيه و تحليل شود. اغلب خانوارها در سبد دارايي خود اقلامي را براي آتيه نگهداري مي كنند. اين اقلام عبارتند از: زمين و مسكن، طلا، ارز، بازار سرمايه (اوراق بهادار)، سپرده هاي غيرديداري (سپرده هاي مدت دار)، ساير دارايي ها (اتومبيل، تلفن همراه و مانند اينها). افزايش نقدينگي در جامعه به طور مستقيم بر تركيب اين دارايي اثر مي گذارد. بررسي چگونگي اين اثر رمز اصلي تحولات قيمتي بخش مسكن را نشان خواهد داد. در ايران به ويژه طي سه دهه گذشته به علت افزايش بيش از حد نقدينگي، خصلت سرمايه يي مسكن همواره موجب تشديد نوسانات اين بازار شده است.

در رابطه با قیمت مسکن و ساختمان و عوامل و متغیرهای دخیل در آن دیدگاه های متفاوت و بسیاری مطرح شده است در این قسمت به طور کلی عوامل تاثیرگذار بر قیمت مسکن در ایران با تکیه بر مطالب موجود در جراید و نشریات بیان می گردد:

 

2-2-1 نرخ تورم و نقدینگی :

به طور کلی سطح عمومی قیمتها و میزان تورم بر تغییرات قیمت ساختمان اثر قابل توجهی دارد.

بعلاوه اینكه گرانی در برخی اقلام ظاهراً نامربوط مانند گرانی قیمت نان، میوه، پوشاك، اتومبیل یا لوازم خانگی پس از مدتی روی مسكن هم تأثیرگذار است.

گرانی های ناگهانی و سرسام آور برخی مصالح مانند سیمان یا آهن موجب ترقی قیمت مسكن می شود.تورم جهانی نیز عامل بسیار مهمی است مثلاً گران شدن شمش آهن در جهان و یا مثلاً بالا رفتن هزینه های مسافرت خارج قیمت مسكن در ایران را متأثر می كند.

وجود نقدینگی زیاد در جامعه، كه اگر بسوی مسكن روی آورد بازار مسكن را از روال معمول خارج و باعث تغییر در قیمتها می شود چون سرمایه طالب سود هرچه بیشتر است. رونق و رو به رشد بودن اقتصاد جامعه و مملكت، بخش مسكن هم یكی از بخش های اقتصادی جامعه است، رونق و تحرك در اقتصاد جامعه بعلت سیاستگذاریهای دولت بخش مسكن را هم دچار تحرك كرده بالتبع قیمتها را بالا می برد.

بر پایه پژوهشهای کارشناسان میزان تورم در اقتصاد ایران بیشتر ناشی از کسری بودجه دولت و رشد نقدینگی است. بررسی وضعیت اقتصاد در چند دهه اخیر نشان می­دهد که افزایش قیمت نفت با تاخیر شش تا یک سال و نیم بر سطح عمومی قیمت اثر زیادی داشته است.

 

 

 

نمودار 2-1 روند رشد قیمت نفت طی سالهای 2001 تا 2007

 

این نکته نمی­تواند چندان شگفتی آور باشد، چرا که بخش عظیمی از تولید ناخالص داخلی کشور از طریق درآمدهای نفت و گاز تامین می­شود و زمانی که دولت درآمدهای دلاری را به اقتصاد تزریق نموده، عاملی جدی در فشارهای تورمی بوده است. نیازهای عمرانی و اجرای پروژه های کلان به همراه تامین بودجه در سطح کلان از طریق مخارج ریالی امکانپذیر است.

بدین ترتیب با افزایش قیمت نفت و در پی آن رشد بودجه عمومی کشور انتظار می­رود که این مخارج به افزایش تورم و قیمتها بیانجامد. اکنون رشد نقدینگی و افزایش حجم پول زمینه مساعدی را برای افزایش قیمت ساختمان فراهم می­آورد.

از بعد كلان اقتصادي ورود نقدينگي به بخش مسكن مي تواند از آثار مخرب آن در ساير بخش هاي اقتصادي و حتي شاخص كالاها و خدمات مصرفي (به جز مسكن) بكاهد. اما از نظر بخش مسكن هم به لحاظ افزايش شديد قيمت و كاهش تقاضاي موثر و هم به لحاظ ايجاد نوسانات شديد در توليد مسكن آثار تخريبي غيرقابل جبراني را باقي مي گذارد. كاهش تقاضاي موثر خانوارها به ويژه براي گروه هاي كم درآمد و متوسط جامعه از زيان بارترين آثار تورم مسكن محسوب مي شود. تحت اين شرايط دخالت و كمك دولت براي جبران بخشي از ضرر اقشار كم درآمد به عنوان هزينه مشكلات ساختاري اقتصاد كشور ضروري است[6].

از این بحث نتیجه می­شود که نرخ تورم ناشی از بنیادهای اقتصادی، رشد نقدینگی، کسری بودجه، قیمت نفت و دیگر عاملهای موثر بر سطح قیمتها، تحرک قیمت ساختمان را موجب می­شود.

 

 

 

 

 

 

 

 

 

 

 

2-2-2 عرضه و تقاضا:

قیمت ساختمان و زمین همچون دیگر کالاها در اقتصاد توسط عرضه و تقاضای بازار تعیین می­شود. در بحث مسکن از نظر تئوری می­توان عرضه زمین را تقریبا ثابت در نظر گرفت. این گفته از آنجایی ناشی می­شود که در یک محدوده شهری میزان مشخص و ثابتی از زمین قابل عرضه است. بدین ترتیب اگر میزان تقاضا از سطح عرضه بیشی گیرد، می­توان انتظار داشت که قیمت زمین یا ساختمان بر اثر مازاد تقاضا افزایش یابد. به نظر می­رسد در اقتصاد ایران تقاضای موثر برای خرید ساختمان عامل چندان نیرومندی برای افزایش قیمت ساختمان نبوده باشد، بلکه تقاضای سفته­بازی در بخش ساختمان اثرگذاری ویژه­ای داشته است. این طبیعی است که در زمان تورم، افراد برای گریز از کاهش ارزش پول به خرید کالاهای بادوام روی آورند. در کشور ایران به طور سنتی طلا و مسکن جهت سرمایه­گذاری در نظر گرفته می­شود و میل خرید ساختمان برای پوشش دادن فشارهای تورمی انگیزه­های سفته­بازانه را تقویت می­کند. رشد شتابان قیمت ساختمان از سال 1373 افراد زیادی را به کسب سود در این بخش و سرمایه­گذاری تشویق می­نمود. در طی این مدت تقاضای واقعی و موثر برای خرید ساختمان عامل جدی برای رشد قیمت آن به شمار نمی­آید.

 

 

 

2-2-3  قیمت نهادها و مصالح ساختمانی:

رشد قیمت نهادهای تولید ساختمان در طی زمان عاملی برای بالا رفتن هزینه قیمت تمام شده یک واحد ساختمانی است. قیمت یک واحد ساختمانی به طور ساده از قیمت زمین، نیروی کار، ابزارها و مواد بکار رفته در ساختمان و هزینه­های جانبی (نظیر جواز، تراکم، مالیات و عوارض) پیروی می­کند.

همه مي دانيم ساخت و ساز در كشور ما هنوز سنتي است و صنعتي نشده است لذا به شدت تابع نيروي انساني است. اگر دستمزدها به هر دليل گران شود و يا مثلا كارگر ساختماني كم شود و يا دستمزد يك كار عمده مثل آهنگري بالا رود قيمت ساختمان را تغيير مي دهد.

علاوه بر هزینه یا مبالغ زیادی كه فروشنده و خریدار مجموعا به بنگاه های تهیه مسكن بابت نقل و انتقالات واحدهای مسكونی می پردازند، یك سازنده مسكن باید اقلام زیادی از مصالح گوناگون ساختمانی و تاسیسات را از منابع مختلف و از محل های مختلف و با شرایط مختلف تهیه كند مانند سیمان، آجر، آهن، شن و ماسه، شیشه، چوب، گچ، سنگ، آسفالت، كابینت، كولر، شیرآلات و… و نیز انواع گروه های كاری را جهت ساخت و ساز به كارگیرد كه هر كدام ملزومات و شرایط خاص خودش را دارد.

سنگین بودن كار ساختمانی بلحاظ حجیم بودن آن و استفاده از ماشین آلات سنگین نظیر لودر و كامیون و جرثقیل و سایر و … در افزایش قیمت مسكن نقش دارد.

چنانچه در بازار مسكن توقف یا ركودی صورت گیرد موجب توقف سرمایه می شود كه پس از رونق حداقل با نرخ بهره بانكی بایستی توقف مزبور جبران شود. که این مساله نقش واسطه ها را در قیمت مسکن بیان می دارد.همچنین در زمان تهیه زمین، تدارك مصالح، اعزام گروه های كاری، در اجرا و در فروش مسكن، واسطه ها نقش زیادی در افزایش قیمت به عهده دارند.

عدم وجود بخش تولید مسكن بصورت انبوه و ارزان قیمت مثلاً با استفاده از سیستم پیش ساخته مانند شهرك های اقماری صرفاً مسكونی جهت اسكان قشری از جامعه در افزایش قیمت مسكن بی تأثیر نیست . بالا بودن نرخ اجاره بهاء واحدهای مسكونی و ترقی مداوم آن به عنوان منبع درآمدی برای مالكین موجب بالا رفتن قیمت مسكن می شود.

عدم اجرای عدالت در نرخهای هر یك از انواع مصالح ساختمانی یا دستمزدها یا خدمات مربوط به تولید ساختمان زمانی كه شرایط انحصاری ولو كوتاه مدت برای عرضه كننده مربوطه حاصل می شود

از نظر بخش گسترده­ای از مردم مهمترین بخشی که هزینه­های تمام شده ساختمان را تحت تاثیر قرار می­دهد، قیمت زمین است. هر چه میزان تقاضا برای زمین بالاتر رود و خریداران قیمتهای بالاتری را بپذیرند، می­توان انتظار داشت که قیمت یک واحد ساخته شده به همان میزان رشد یابد. در طی سالهای اخیر انبوه سازی و عرضه گسترده زمین در مناطق مختلف و حاشیه شهرها توانسته بخشی از فشار تقاضا برای زمین را کاهش دهد، اما به طور کلی نتوانسته از عطش رشد قیمت آن بکاهد.

2-2-4  نرخ بهره:

عوامل مالی همگام با چرخه های کسب و کار بر رونق و رکود بخش مسکن اثرگذار است.

سازندگان مسكن اغلب قريب به اتفاق وام مي گيرند و بهره بانكي شامل فعاليت آنها مي شود. در ضمن سود حاصل از ساخت و ساز حتما بايستي بيشتر از نرخ بهره بانكي براي سازنده جواب دهد.گران شدن ساليانه انشعابات آب، برق، تلفن و گاز هزينه هاي اخذ پروانه ساختمان به نوبه خود عامل گراني مسكن است.

بالا بودن نرخ‌ سود بانكي همچنین موجب كاهش بازدهي بخش‌هاي مختلف توليدي كشور اعم از توليد كالا و خدمات گرديده و اثر تخريبي آن بر بازار مسكن را تشديد نموده است.

اگرچه نرخ‌هاي بالاي سود بانكي اثر تخريبي بر اقتصاد و مشخصا بخش مسكن داشته است ليكن كاهش سود بانكي نيز مستلزم ايجاد شرايط لازم براي جذب سرمايه‌هاي مردم در بخش‌هاي توليدي و خدماتي (غير از مسكن) بوده است. لذا به دليلي عدم پيش‌بيني‌هاي لازم اين موضوع نيز عامل ديگري براي مهاجرت سرمايه‌ها به بخش مسكن بوده است. در اين خصوص لازم بود ابتدا تمهيداتي براي جلوگيري از ورود سرمايه‌ها به بخش مسكن مطمع نظر قرار مي‌گرفت.

در کشورهای صنعتی تغییرات اندک در نرخ بهره بخش ساخت و ساز را تحت تاثیر قرار می­دهد. در دو دهه اخیر تقاضای ساختمان به سطح نرخ وامهای رهنی و میزان پرداخت تسهیلات مسکن واکنش نشان داده است.

2-2- 5  سایر عوامل :

▪ عدم شناور بودن قیمت مسكن بصورت دوسویه یعنی اگر به علتی قیمت مسكن بالا رفت پس از برطرف شدن علت قیمت بالا رفته پایین نمی آید.

▪ عدم تحمل درصدی از تورم ناگهانی قیمت مصالح یا دستمزدها یا زمین توسط سازنده مسكن و انتقال درصدی از آن به خریدار.

▪ عدم وجود سازنده یا تولیدكننده تحت كنترل نسبت به سازندگان آزاد مسكن و یا در صورت وجود عدم تأثیر فعالیت آنها در بازار مسكن.

▪ عدم وجود ساختار رقابتی در تولید مسكن و در قیمت گذاری آن.

▪ فرهنگ عمومی در خریدها بگونه ای است كه اغلب بجای اینكه گران را نخرند، در صورت مشاهده گران شدن مسكن سعی می كنند با استفاده از وام و پس انداز و فروش طلاجات و اتومبیل نسبت به خرید مسكن یا تبدیل به احسن اقدام نمایند. باین دلیل كه ممكن است در آینده موفق به این كار نشوند بنابراین گرانی تشدید و تثبیت می شود به عبارتی از گرانی استقبال می شود.

▪ تسهیلات سایر بانكها، تعاونی ها و سازمان ها كه با هدف خانه دار شدن مردم صورت می گیرد بدلیل رونق گرفتن بازار مسكن چون هر رونقی موجب گرانی هم هست لذا قیمت مسكن را بالا می برد.

▪ رانت در امر زمین و مسكن یا همان سیاست ها و دست های پنهان كه اگر وارد بازار مسكن شود نتیجه آن گرانی جهشی و یا ركود و سپس گرانی قیمتها است.

▪ چنانچه به دلایلی در بخش اتومبیل یا تلفن همراه یا تجارت یا تولید ركود بوجود بیاید، سرمایه های مربوطه بسوی مسكن سوق داده می شوند كه نتیجه آن حركت بازار مسكن و گران شدن آن است.

▪ بعلت عدم نقش هدایت و روشنگری و تكمیل اطلاعات خریدار و عدم برخورد كارشناسانه با قیمتهای ارائه شده (با توجه به منطقه، مصالح و چگونگی ساخت) و عدم اعمال مكانیزمهایی جهت خروج قیمتهای كاذب از چرخه نقل و انتقالات نقش انفعالی در قیمت گزاریها و گمراهی خریدار داشته بعضاً موجبات جاافتادن قیمت های غیرواقعی را فراهم می آورند.

▪ ملك كلنگی استعداد ساخت و ساز را دارد، چنانچه در منطقه ای ملك كلنگی نباشد یا كم باشد به عبارتی منطقه نو و فاقد ساختمان های قدیمی باشد قیمت ساختمان های موجود در آن منطقه گران و گران تر می شود.

▪ عدم وجود چتر مدیریتی الزام آور و دارای قدرت اجرایی كه هادی حركات ارگان های ذی مدخل یا سازندگان مسكن بوده دارای مكانیزمهایی با هدف پایین نگاهداشتن قیمت تمام شده مسكن و ایجاد شرایط مدیریت شده و قانونمند در امور ساخت و ساز باشد.

▪ ركود اقتصادی و یا بیكاری در شهرهای كوچك و یا خشكسالی باعث مهاجرت اهالی به شهرهای بزرگ و بالا رفتن هرچه بیشتر تقاضای مسكن و ترقی قیمت آن می شود.

▪ طرحهای عمرانی، تجاری یا صنعتی بطور محلی و منطقه ای باعث رشد منطقه و گرانی قیمت زمین و مسكن در آن منطقه می شود.

▪ رونق در سایر بخش های اقتصادی مانند تجارت، كشاورزی یا تولید بعلت انتقال سرمایه از بخش مسكن به بخش های پررونق و زود بازده موجب عرضه كمتر نسبت به گذشته و افزایش هرچه بیشتر تقاضا و در نتیجه افزایش قیمت واحدهای مسكونی موجود می شود.

▪ هجوم جامعه یا تب جامعه نسبت به منطقه ای خاص اگر زیاد شود مانند سواحل شمالی ایران یا شهر تهران و یا كلاردشت قیمتهای زمین و مسكن را در آن منطقه بطور فاحش ترقی می دهد.

▪ فشارهای فكری و عصبی وارده به تولیدكنندگان مسكن كه همواره به دلایل مختلف در كارهای ساختمانی وجود داشته است موجب بالارفتن توقع آنها از فعالیت هایی كه انجام می دهند شده بالطبع روی قیمت مسكن اثر افزاینده دارد.

عدم اجرای عدالت در قیمت گذاری مسكن و عدم تعیین سقف تقریبی افزایش قیمت برای مسكن موجود یا سود برای مسكن تولیدی توسط واحدهای كارشناسی و مورد قبول جامعه همچنین گرفتاریها و اختلافاتی كه در پیش خریدها و مشاركت ها اغلب اتفاق می افتد كه ساده ترین آنها تأخیر در تحویل ساختمان است.

صادرات – علی الخصوص خروج سیمان، آهن آلات و شیرآلات ساختمانی قیمتهای داخلی را متأثر می كند.

 

2-2-6  مشاوران املاك عناصر نامحسوس :

مشاوران املاك يكي از عوامل موثر در افزايش قيمت مسكن بوده و از زمان تصمیم به فروش يا اجاره  مسکن توسط فروشنده تا خرید یا اجاره آن توسط خریدار، همواره مشاوران املاک و بنگاه‌داران مسکن نقش اساسی را در تعریف و تعیین قیمت، بازی می‌کنند.

قیمت مسکن براساس قیمت منطقه ای مسکن، مرغوبیت آن در منطقه، محل، سال ساخت، امکانات در اختیار و … ارائه می شود كه در بسیاری از این ويژگي‌ها نظر فروشنده و خصوصا مشاوران املاک تعیین کننده بوده و در نهایت قیمت مسکن در منطقه را تعیین می‌كند.

پس از توافق فروشنده و خریدار، قولنامه تنظیم و سپس کار انتقال سند رسمی صورت می گیرد. پس از تنظیم قولنامه حق‌الزحمه مشاور و بنگاه دار مسکن بر اساس رقم ریالی مورد معامله(ملک یا مسکن) و مطابق تعرفه‌ای که نشان دهنده رابطه کاملا مستقیم ارزش مورد معامله با میزان حق‌الزحمه است از سوي طرفین  معامله پرداخت می شود(معمولا فروشنده با توافق قبلی با مشاور املاک از پرداخت آن معاف شده یا این هزینه قبلا به قیمت ملک اضافه می شود(.

پرسش مطرح آن است كه وقتی حق‌الزحمه مشاوران املاک رابطه کاملا مستقیم و بلا‌فصلی  با معاملات مسکن و ملک دارد، آیا اين امر نمی تواند عاملي موثر در افزایش بی رویه قیمت ها باشد؟

در واقع حق‌الزحمه مشاوران مسكن با افزایش قيمت ، بيشتر شده و از سوي ديگر این  گروه در قيمت‌گذاري مسكن و ملك موثر هستند.

برخي معتقدند در شرايطي كه قیمت ها خیلی افزایش یابد بازار خرید مسکن راکد شده و سزای گرانفروش، نخریدن است. اما بايد توجه كرد كه  این ضرب‌المثل برای کالایی است که بتوان در جای دیگر مشابه ارزان آن را تهیه کرده و یا درمورد کالا و نیازهای‌ اساسی انسان نيز مصداق دارد.

اما بايد توجه كرد كه مسكن نیاز اساسی خانواده‌ها بوده و بازار مسکن همچون زنجیر های به هم متصل است، به نحوي كه عوامل موثر در قیمت مسكن در هر جايي، با شدت و ضعف خود را در قيمت تمام شده اين كالا نشان می دهد.

هر چند این روش محاسبه حق‌الزحمه، در برخی دیگر از حرفه‌ها مانند محاسبه حق‌الزحمه مهندسان یا وكلا براي اقامه دادرسی‌های حقوقی نيز وجود دارد، ولی میزان کار مهندسی و مطالبه حق خواهان در دادرسی‌ها در دست مهندس یا وکیل نبوده و توسط نظام مهندسی و دادگاه مشخص مي‌شود.

به‌طور کلی برخی مشاوران املاک و بنگاه‌داران مسکن تمایل به افزایش قیمت مسکن و ملک داشته و با ایجاد بازار کاذب در مناطق مختلف شهری، در واقع سعی در بالا بردن حق‌الزحمه خود دارند.

هر چند برخی دیگر با خرید ملک و مسکن )با قیمتی پایین‌تر از ارزش آن) به هنگام رکود بازار مسکن و فروش آن در مواقعی که قیمت‌ها افزايش مي‌يابد، به بی ثباتی این بازار دامن می زنند.

این عامل باعث شده تا این گروه در معاملات مسکن و ملک شرکت داشته و موثر باشند و نه تنها انگیزه ای برای کاهش قیمت‌ها ندارند بلکه افزایش قيمت مسكن به هر طریقی افزایش  حق‌الزحمه آنها را به دنبال دارد.

اگر بتوان در تعرفه قیمت گذاری حق‌الزحمه این قشر به گونه‌ای عمل كرد که اين امر رابطه‌اي مستقیم با قیمت ملک و مسکن نداشته باشد، این عامل نهفته و موثر در افزايش قيمت مسكن خنثی شده و گامی هرچند کوچک در راه جلوگیری از افزایش بی رویه قیمت مسکن برداشته می شود.

تحقق این امر فقط با کار کارشناسی ارگان‌ها و نهادهای موثر و مرتبط با اين قشر خصوصا اتحادیه صنف مشاوران املاک، امكانپذير بوده و جاي تامل و بررسی کارشناسی دارد.

ا اين روند بهتر است حق‌الزحمه مشاوران املاک و بنگاه‌داران مسکن بر اساس قیمت مورد معامله تعرفه گذاری نشده بلکه با کار دقیق کارشناسی و از روش‌هایی که این رابطه مستقیم را حذف می كند، استفاده شود.

2-2-7  دلایل افزایش قیمت مسکن از نگاه مرکز پژوهش ها :

دفتر مطالعات اقتصادی مرکز پژوهش های مجلس در پاسخ به درخواست سید جلال یحیی زاده، عضو کمیسیون فرهنگی مجلس هفتم ضمن بررسی وضعیت بازار مسکن در اقتصاد ایران و بیان ویژگی های خاص مسکن در جامعه، افزایش نقدینگی، افزایش قیمت عوامل تولید بخش مسکن، عملکرد ضعیف بازار سرمایه و سایر بازارهای رقیب بخش مسکن در چند سال اخیر، عدم وجود سیستم کارشناسی مناسب برای قیمت گذاری مسکن، عدم وجود برنامه منسجم جهت کنترل تقاضای سوداگرانه مسکن، عدم تخصیص بهینه و به موقع تسهیلات بانکی به بخش مسکن را در کنار نبود سیاست های مالیاتی تشویق و تنبیه کننده در بخش مسکن از جمله عوامل عمده افزایش قیمت مسکن در چند سال اخیر دانسته و راهکارهایی از جمله در زمینه منع یا محدودسازی معاملات وکالتی کوتاه مدت در بنگاه های معاملات ملکی، کنترل نقدینگی در کل اقتصاد و نیز در بخش مسکن از طریق رونق بخشیدن به بازارهای رقیب آن، کنترل و نظارت بر هزینه عوامل تولید مسکن، ایجاد بستر مناسب برای اعمال سیاست های مالیاتی تشویقی در بخش مسکن و حمایت از افزایش عرضه مسکن با اعمال سیاست های حمایتی مختلف از جمله ارائه تسهیلات مناسب بانکی برای انبوه سازان بخش مسکن را برای مقابله با صعود قیمت ها ارائه کرده است.

مرکز پژوهش های مجلس شورای اسلامی، همچنین رشد جمعیت و تداوم مهاجرت از روستاها به شهرها را در افزایش تقاضای مسکن موثر دانست و در همین زمینه افزود: با توجه به ساختار جمعیتی کشور و قرار گرفتن عده قابل ملاحظه ای از جمعیت در سنین ازدواج و تشکیل خانواده، بخش مسکن با تقاضای بالقوه ای مواجه شده و خواهد شد، کما اینکه عدم پاسخ به تقاضای شکل گرفته طی سال های 1381 تا 1384 به دلیل رکود ساخت و ساز در دوره مذکور، بخش مسکن را در سال های بعد با تقاضای انباشت شده مواجه کرده است، البته به دلیل پایین بودن قدرت خرید، کل تقاضای بالقوه مسکن نمی تواند بالفعل شود، اما همین مقدار تقاضای بالفعل نیز با توجه به عرضه محدود در بازار مسکن می تواند قیمت مسکن را افزایش دهد.

براساس این گزارش افزایش قیمت عوامل و نهاده های تولید مسکن به ویژه زمین، فولاد، سیمان و دستمزد نیروی کار فعال در بخش ساختمان از دلایل دیگر افزایش قیمت مسکن در سال های اخیر بوده است.

مرکز پژوهش های مجلس شورای اسلامی، با بیان این مطلب که طی سال های 1377 تا 1385 کمترین رشد در حجم نقدینگی در سال 1377 با 4/19 درصد و بیشترین رشد نقدینگی در سال 1385 با رشدی معادل 4/39 درصد بوده است، افزود: طی سال های 1377 تا سال 1385 رشد نقدینگی در اقتصاد ایران به طور مداوم افزایش یافته و همواره بالای 19 درصد بوده است. این رشد بالا در سال های ذکر شده منجر به افزایش تقاضای سوداگرانه مسکن شده است و مکانیسم تاثیرگذاری نقدینگی بر تقاضای سوداگرانه مسکن – که خود یکی از عوامل مهم در افزایش قیمت مسکن بوده – به این صورت است که در ابتدا با افزایش تقاضای مسکن، عرضه تا حدودی افزایش می یابد، اما از آنجا که در بخش مسکن، در کوتاه مدت امکان افزایش متناسب عرضه با میزان تقاضا مقدور نیست، لذا این امر باعث ایجاد مازاد تقاضا برای مسکن شده و حباب قیمتی برای آن ایجاد کرده است.

در بخش دیگری از اظهارنظر مرکز پژوهش ها آمده است: معمولا در هر اقتصادی متناسب با شرایط آن، بازارهای مختلفی به عنوان رقیب در جذب نقدینگی مطرح می شوند که در اقتصاد ایران این بازارها در قالب بازارهای سکه و ارز، بازار طلا، بازار اوراق بهادار (بازار سرمایه)، بازار تلفن همراه، بازار خودرو، بورس های کالایی و بازار زمین و مسکن مطرح هستند، اما در چند سال اخیر به دلیل عدم جذب نقدینگی مازاد جامعه توسط سایر اشکال دارایی هایی همچون طلا، سکه، ارز، بازار اتومبیل و تلفن همراه (به رغم کاهش قیمت کالاهای مذکور)، نقش مسکن به عنوان کالای با دوام اقتصادی در جذب بخش عمده ای از نقدینگی پر رنگ تر شده که این امر خود منجر به افزایش تقاضا و در نهایت افزایش قیمت مسکن شده است.

مرکز پژوهش های مجلس شورای اسلامی، پرداخت تسهیلات و وام های مختلف خرید یا ودیعه مسکن در چند سال اخیر را نیز تا حدودی باعث ایجاد شوک اولیه در بازار مسکن و زمینه ساز افزایش قیمت و اجاره بها ذکر کرد و افزود: بانک مسکن طی سال های اول و دوم برنامه چهارم به میزان 27040 و 47110میلیارد ریال (بدون احتساب سود و درآمدهای آتی) به متقاضیان تسهیلات پرداخت کرده است که بیانگر رشد 140 و 2/74 درصدی این تسهیلات است. بانک های خصوصی نیز طی سال های 1384 و 1385 به میزان 34408 و 48801میلیارد ریال تسهیلات به بخش مسکن پرداخت کرده اند که از رشد 85 و 42 درصدی این تسهیلات در هر سال نسبت به سال قبل حکایت می کند.

در سالهای اخیر رشد شتابان قیمت زمین و مسکن بر نگرانیهای مردم و تقاضاکنندگان افزوده است. در بررسی انجام گرفته عوامل موثر بر سطح تورمی (از جمله قیمت نفت، نرخ نقدینگی، تغییرات بودجه دولت و کسریهای بودجه،…)، عوامل مالی (نظیر نرخ بهره و سطح وامهای رهنی)، قیمت نهاده­های تولید ساختمان، انگیزه­های سفته­بازانه و انتظارات از آینده به عنوان پارامترهای نیرومند در تعیین قیمت ساختمان و مسکن تشخیص داده شد. در برخی سالها سیاستهای پولی انقباضی و کنترل عرضه پول به همراه انضباط مالی دولت گوشه­ای از فشارهای تورمی در اقتصاد ایران را کاسته که پیامد آن تثبیت قیمت مسکن بوده است.

به نظر می­رسد مخارج دولتی و رشد نقدینگی عوامل  نیرومندی هستند که به رشد سطح قیمتها کمک می­نماید و هرگاه با رکود چرخه­های کسب و کار همراه شده اثرات نامطلوبی بر نرخ تورم و در نتیجه صعود قیمت ساختمان داشته است. هرگاه  نرخ بهره واقعی از نگاه مردم کاهش یابد، تقاضا برای مانده واقعی رشد می­یابد و به طور ساده افراد تمایلی کمتری نسبت به سپرده­گذاری در بانکها و موسسات مالی پیدا می­کنند. کاهش اشتیاق به پس­انداز و پدیدار شدن انتظارات تورمی در کنار کاهش رونق بخشهای مختلف اقتصاد پدیده پولهای سرگردان را موجب می­شود. سرمایه­ها در چنین شرایطی اگر نتوانند در جهت مناسب سوق داده شوند، راهی بخش مسکن می­شوند. در سالهای گذشته رونق بورس اوراق بهادار و جذابیتهای سرمایه­گذاری در بخشهای مختلف اقتصادی گوشه­ای از انگیزه­های سفته­بازانه در بخش مسکن را تعدیل نموده است. راهکار مناسب برای متعادل نمودن قیمت مسکن مواردی همچون کند کردن آهنگ تورم و کاستن از رشد نقدینگی، متناسب نمودن سطح نرخ بهره با سطح تورم واقعی، فعال نمودن بخشهای مختلف صنعت در کنار بهبود و رونق بورس اوراق بهادار را دربرمی­گیرد. اگر رشد نقدینگی و انتظارات تورمی در سال جاری همچنان ادامه یابد، ادامه سیر صعودی قیمت مسکن و دیگر کالاهای بادوام دور از انتظار نخواهد بود.

 

 

 

 

 

2-3 بررسي قدرت خريد مسكن در نقاط مختلف جهان

صاحب‌خانه شدن به عنوان نشانه‌اي از ثروتمند شدن، همواره از اهداف مردم و خانواده‌ها در هر نقطه از جهان بوده‌است. به همين دليل اين موضوع از اهداف و سياست‌هاي كلي دولت‌ها در كشورهاي مختلف نيز به شمار مي‌رود. صاحب‌خانه شدن در سراسر دنيا بعد از جنگ جهاني دوم سير صعودي داشته است.

ايجاد شهرك و شهرهاي اقماري در اطراف شهرهاي بزرگ، توسعه مسكن در زمين‌هاي ارزان و سياست‌هاي ديگر دولت‌ها از جمله عواملي است كه به اين سير صعودي كمك كرده است. اين سياست‌ها باعث شده تا استانداردهاي زندگي طبقه متوسط بهبود يابد. يكي از مهمترين عوامل در تعيين اين استانداردها، صاحب‌خانه بودن است.

اما در سالهاي اخير قيمت مسكن در بعضي كشورهاي جهان چنان افزايش يافته كه ديگر خريد مسكن در اين كشورها از قدرت و توان مردم خارج شده است. اين قيمت بالا و عدم توان خريد مسكن، پيامدهاي اجتماعي سنگيني را همراه داشته است. در بازارهايي كه تورم فوق‌العاده‌اي در قيمت مسكن در آنها وجود دارد، استانداردهاي زندگي ثابت و پايدار نيست. به همين دليل نمي‌توان براي بهبود اين استانداردها در سطح كلان برنامه‌ريزي كرد.

هر سال در آمريكا موسسه‌اي بين‌المللي كه كار تحقيقات مسكن و ساخت و ساز را در داخل اين كشور و جهان انجام مي‌دهد، گزارشي نموداري و تحليلي درباره قدرت خريد مردم براي خريد مسكن در نقاط مختلف دنيا تهيه مي‌كند.

در اينجا خلاصه گزارش سال 2007 اين موسسه را درباره بازار مسكن در استراليا، كانادا، ايرلند، نيوزيلند، انگليس و آمريكا بیان می شود. دليل اينكه وضعيت و قدرت خريد مردم براي خريد مسكن در اين چند بازار مورد بررسي قرار گرفته اين است كه بازار مسكن در اين چند كشور در سالهاي اخير دچار تحول عمده‌اي شده و فراز و فرودهاي زيادي را تجربه كرده‌است.

يكي از مهمترين نتايج عمده و ساده‌اي كه در نتيجه اين تحقيق به دست آمده اين است كه مصرف‌كنندگان و خريداران مسكن خودشان با تحليل بازار، سرمايه‌ خود را از بازارهاي گران‌قيمت‌تر به بازارهايي مي‌برند كه ارزان و البته كوچك‌تر است. اين واقعيت در كنار گسترش و توسعه ابزار و نظام ارتباطاتي و مخابراتي، موانع موجود بر سر راه توسعه الگوي گسترده‌تر شهري و شهرنشيني را دربرداشته است. اين موضوع به ويژه در آمريكا بيشتر از بازارهاي ديگر مشهود است.

دكتر دونالد براش يكي از نويسندگان و تهيه كنندگان اين گزارش كه خود از مديران بانكي و مدير مركز تحقيقات مديريت منابع در نيوزيلند است در مقدمه اين گزارش نوشته است، قدرت خريد مردم در بازار مسكن نتيجه يك عامل است و آن ميزان محدوديت‌هاي مصنوعي است كه دولت‌ها در زمينه تامين زمين براي ساخت مسكن ايجاد مي‌كنند. اين موضوع در بازار آمريكا مشهودتر است. در آمريكا، كشوري كه جمعيت پراكنده و در حال نقل و انتقال زيادي دارد و نرخ بهره هم در آن در سطح معمول است، شهرهايي مانند پيترزبرگ، آتلانتا و هوستون وجود دارد كه مسكن در آن كاملا در دسترس مردم و هم‌سطح قدرت خريد آنهاست. در اين شهرها متوسط قيمت مسكن حداكثر سه برابر يا حتي كمتر از سه برابر متوسط درآمد خانوارهاست. اما در شهرهاي ديگري مانند نيويورك و لس‌آنجلس متوسط قيمت مسكن گاه‌به 7 تا 11برابر ميزان درآمد مردم مي‌رسد.

اين تفاوت قيمت به دليل تفاوت در اعمال سياست‌هاي زمين و مسكن در ايالات مختلف است. استراليا تنها كشور دنياست كه كمترين ميزان تراكم جمعيت را دارد.

اما به دليل اينكه دولت تصميم گرفته قيمت زمين را در مناطق عمده شهري تا سطح بسيار زيادي بالا ببرد، نتيجه اين شده كه قيمت مسكن در اين كشور به صورت سرسام‌آوري بالا برود و از قدرت خريد مردم تقريبا خارج شود.

دكتر براش دولت‌ها را به مسووليت‌پذيري بيشتر در زمينه كنترل و مهار روند قيمت مسكن فراخوانده و گفته است كه دولت‌ها بايد مداخله‌‌هايي در بازار مسكن انجام دهند كه شرايط را بدتر نكند بلكه اوضاع را بهتر نمايد.

در اين گزارش بدترين بازارها از نظر قدرت خريد مردم در بازار مسكن، بازارهاي كاليفرنيا، هاوايي، سواحل شرقي آمريكا، استراليا، انگليس، نيوزيلند و استان بريتيش كلمبياي كانادا هستند. در مقايسه شهرها، بازار مسكن لس‌آنجلس وضعيت بسيار وخيم‌تري دارد. در اين شهر قيمت مسكن بيش از 5/11 برابر ميزان درآمد مردم است. در همين حال از ميان 59 بازاري كه مردم در آن قدرت خريد بالايي در حوزه مسكن دارند، 13شهر در كانادا و 46 شهر در آمريكا قرار دارد.

كارشناسان اقتصادي در اين مورد اتفاق نظر دارند كه دليل اصلي ضعيف شدن قدرت خريد مردم در بازار مسكن برنامه‌ريزي‌هاي تجويزي در اين بازار است.

اين برنامه‌ريزي‌ها شامل استراتژي‌هايي است براي مثال توسعه شهري يا رشد هوشمند كه باعث مي‌شود نسبت قيمت زمين و مسكن بر هم بخورد و هزينه‌هاي غيرقابل جبراني را به همراه بياورد. البته برنامه‌ريزان شهري و اقتصادي در كشورهايي كه قدرت خريد مسكن در آنها بسيار پايين است اين موضوع را رد مي‌كنند. آنها مي‌گويند كه افزايش تقاضا در بازار مسكن كه آن هم نتيجه تورم در بخش وام مسكن است، قيمت‌ها را افزايش داده است.

اما اگر اين ادعا درست باشد بايد قيمت مسكن در همه بازارها به صورت يكسان افزايش يابد كه چنين نشده است. اين افراد همچنين مي‌گويند كه افزايش قيمت مسكن نسبت مستقيمي با شرايط وخيم اقتصادي در كشورها دارد. اما تحليل آمار و ارقام اقتصادي كشورها اين را نشان نمي‌دهد. بعضي اقتصادهاي به سرعت در حال رشد اكنون در بخش بازار مسكن مشكل دارند.

تحقيقات نشان داده در كشورهايي مانند آمريكا كه سياست‌هاي تجويزي و برنامه‌ريزي‌هايي براي دست بردن در بازار به ويژه در بخش زمين و مسكن صورت گرفته، قيمت مسكن به شدت افزايش يافته و از توان مردم فراتر رفته است. اين قانون اقتصاد است كه كميابي باعث افزايش قيمت مي‌شود. بنابراين تعجبي ندارد كه افزايش قيمت مسكن به سياست‌هاي تجويزي كاهش زمين و افزايش هزينه‌هاي ساخت و ساز و توسعه ربط داشته باشد.

 

2-4  سياست پيشگيرانه براي مقابله با بحران مسكن

در این قسمت به بررسی سیاست های دولت انگلیس به عنوان دولتی که دارای عملکرد موفقی در راستای رونق بخشیدن به بازار مسکن و مقابله با بحرانهای آن در سالهای اخیر بوده است می پردازیم.

بازار مسكن انگليس در سال‌هاي اخير طولاني‌ترين و بزرگ‌ترين رونق خود را در طول تاريخ بعد از جنگ، تجربه كرد.

بين سال‌هاي 1997 تا 2007، قيمت متوسط مسكن در انگليس 21‌درصد افزايش يافت. اكثر خريداران مسكن در اين سال‌ها سود هنگفتي كردند و وام‌دهندگان هم از اين سودها بي‌بهره نبودند. اكنون صندوق بين‌المللي پول مي‌گويد كه قيمت مسكن در انگليس 30‌درصد بالاتر از رقمي است كه براساس عوامل اقتصادي مانند درآمد، نرخ بهره و اندازه جمعيت در سن كار اين كشور مشخص مي‌كند. دليل اصلي اين بالابودن مصنوعي قيمت، اين بوده كه وام در انگليس به صورت مصنوعي در سال‌هاي اخير پايين‌ نگه داشته ‌شده‌است. يكي از دلايل اين پايين‌ نگه داشته ‌شدن قيمت وام هم اين بوده كه سرمايه‌گذاران براي ريسك سرمايه خود سود بسيار كمي طلب كرده‌اند. اين موجب شده تا هزينه وام‌گرفتن در انگليس پايين بيايد و وام بسيار راحت و با قيمت پايين در دسترس همه باشد. اما بحران كنوني بازارهاي جهاني و داخلي باعث شده قيمت وام بالا برود و بسياري از وام‌گيرندگان از بازار انصراف بدهند. همه اينها بر بازار مسكن تاثير آني گذاشته ‌است. آمارها نشان مي‌دهد كه انگليس به دنبال آمريكا در حال وارد شدن به يك بحران عميق در بازار مسكن است. بعد از يك رونق طولاني اكنون زمان بروز مشكلاتي رسيده كه در سال‌هاي گذشته در بازار مسكن اين كشور سابقه نداشته ‌است. اكنون اين نگراني در انگليس وجود دارد كه ماجراي دهه 1990 تكرار شود. در آن زمان، بحران مقطعي در بازار مسكن باعث بروز ركودي عميق در اقتصاد كشور شد. اكنون كه فعاليت بخش خدمات در انگليس به پايين‌ترين حد خود از ماه اكتبر سال 2001 رسيده‌است، اقتصاد اين كشور در برابر سقوط بازار مسكن و بحراني شدن وضعيت وام در اين بخش بسيار آسيب‌پذير شده‌است.

وضعيت بازار وام مسكن اكنون دچار بحران كم‌سابقه‌اي شده‌است. آماري كه اخيرا منتشر شده نشان مي‌دهد كه در ماه گذشته تنها 42‌هزار وام براي پرداخت به منظور خريد خانه تصويب شده‌است. اين رقم نيمي از شمار وام‌هايي است كه سال گذشته در همين زمان تصويب شده‌بود. سير نزولي كه از سال گذشته شروع شد همچنان ادامه دارد. درماه ژوئن قيمت مسكن در انگليس 9/0‌درصد كاهش نشان داده است. به اين ترتيب قيمت مسكن اكنون 3/6‌درصد كمتر از سال گذشته است.

دورنماي بازار وام مسكن و قيمت آن در انگليس بسيار تيره است. هفته گذشته، بانك مركزي انگليس گزارش داد، وام‌دهندگان قصد دارند پرداخت وام‌هاي جديد مسكن را در 3 ماه آينده محدودتر كنند. از سوي ديگر كارشناسان اقتصادي انگليس پيش‌بيني كرده‌اند كه قيمت مسكن در چند ماه آينده و تا پايان سال 2008، بيش از 15‌درصد ديگر كاهش يابد. براي سال آينده اين پيش‌بيني كاهش قيمت 12‌درصد است.

در اين شرايط بسياري از كساني كه بدهكار بانك يا موسسات اعتباري هستند به زودي خود را با يك توازن منفي رو‌به‌رو مي‌بينند. معني آن اين است كه قيمت خانه‌هاي اين افراد از ميزان بدهي بانكي‌شان كمتر خواهد شد. به اين ترتيب و براساس پيش‌بيني‌ها بنگاه‌هاي بزرگ اقتصادي انگليس، كاهش 15‌درصدي قيمت مسكن مي‌تواند بيش از 2/1ميليون خانه‌دار انگليسي را با بحران رو‌به‌رو كند. اگر اين كاهش قيمت به 20‌درصد برسد، تعداد اين افراد به 2ميليون نفر خواهد رسيد. در روزهاي بحراني دهه 1990 هم همين تعداد با مشكل رو‌به‌رو شده‌بودند. اكنون همه كساني كه در اين حوزه درگير هستند، از صاحبان خانه‌ها تا بنگاه‌هاي معاملات ملكي و وكلاي سازندگان و حتي كارگران بخش ساختماني، اين بحران را حس كرده‌اند. اما اين بحران مسكن در بازار انگليس از سه راه مي‌تواند اقتصاد اين كشور را دچار لطمه كند.

اولين كانال، كاهش سرمايه‌گذاري در بخش خانه‌هاي مسكوني است. خانه‌سازي در سه ماهه نخست سال 2008 در انگليس 24‌درصد كاهش يافت و اين آغاز بحران است. كميته سياست‌هاي پولي بانك مركزي انگليس اخيرا گفته‌است كه اين ميزان كاهش امسال بسيار بيشتر از دهه 1990 خواهد بود. اين كاهش سرمايه‌گذاري مي‌تواند ‌درصدي از رشد توليد ناخالص داخلي كشور انگليس را در سال 2008 و 2009 ببلعد. اما راه دومي كه به وسيله آن بحران مسكن مي‌تواند به اقتصاد لطمه وارد كند، كاهش تقاضا براي كالاهاي مصرفي است كه به نقل و انتقالات و ساخت و سازهاي ملكي ارتباط دارد. وقتي مردم از خانه‌اي به خانه ديگر اسباب‌كشي مي‌كنند، به پول تازه‌اي احتياج دارند تا براي خانه جديد وسائل تازه خريداري كنند. اما اين پول اكنون ديگر مورد نياز مردم انگليس نيست. آمارها نشان مي‌دهد كه گردش مالي خانوارها در انگليس امسال 30 تا 40‌درصد كاهش يافته‌ است. اين وضعيت مي‌تواند توليد ناخالص داخلي انگليس را 2/0 تا 3/0 ديگر كاهش دهد.

اما مسير سوم، كاهش ثروت ملكي مردم است كه اين منبع بحث و جدل‌هاي بسياري بوده‌است. سال‌ها بود كه رابطه ميان قيمت مسكن و هزينه‌هاي مصرفي مردم موضوعي اثبات شده و قطعي فرض مي‌شد؛ اما اين اواخر بانك مركزي انگليس وجود چنين رابطه‌اي را مورد ترديد قرار داد. همان طور كه در جدول مي‌بينيد، شكاف ميان رابطه‌اي كه در سال‌هاي نخست اين دهه بين هزينه‌هاي مصرف‌كنندگان و قيمت مسكن به وجود آمده، اين فرضيه بانك مركزي انگليس را تاييد مي‌كند. همانطور كه مي‌بينيد، افزايش قيمت مسكن باعث افزايش هزينه‌هاي مصرف‌كنندگان نشده‌است. امسال هم كاهش قيمت مسكن تاثيري بر ميزان فروش و خريدها نداشته‌است. هزينه‌هاي مصرف‌كنندگان در انگليس 1/1‌درصد افزايش داشته و اين درحالي است كه قيمت مسكن كاهش يافته‌ است. اما حتي در شرايطي كه هزينه‌هاي مصرف‌كنندگان در اوايل سال 2008 افزايش يافته، اما اين كوتاه مدت بوده است. آمارها نشان مي‌دهد كه اعتماد مصرف‌كنندگان در ماه ژوئن در انگليس به پايين‌ترين حد از سال 1990 تاكنون رسيده‌است. پيش‌بيني‌ها نشان مي‌دهد كه كاهش 15‌درصدي قيمت مسكن در 2 سال آينده، سير صعودي هزينه‌هاي مصرف‌كنندگان را متوقف مي‌كند. تاثير آن هم بر توليد ناخالص داخلي انكارناپذير خواهد بود.

با كنار هم گذاشتن همه اين آمار و ارقام مي‌توان دريافت كه لطمه اقتصادي ناشي از بحران مسكن انكارناپذير است. اما وزارت مسكن انگليس كه با پيش‌بيني سرايت اين بحران از آمريكا و ديگر كشورها، از مدتها پيش مشغول تهيه مقدمات مقابله با آن بوده، اخيرا از آمادگي دولت براي خريد ساختمان از سازندگان و انبوه‌سازان خبر داده‌است. اين طرح كه طرح ملي نجات مسكن نام گرفته، از همين ماه به اجرا گذاشته خواهد شد. براساس اين طرح سازندگان مسكن كه خانه‌هاي ساخته‌شده و آماده‌شان به دليل ركود بازار و نبود خريدار به فروش نرفته است، مي‌توانند قيمت پيشنهادي خود را براي فروختن آنها به دولت اعلام كنند. دولت اين خانه‌ها را براي واگذاري به افراد كم‌درآمد جامعه با قيمت مناسب از اين انبوه‌سازان خريداري مي‌كند. دولت انگليس براي اين كار بيش از 200ميليون پوند اختصاص داده‌است. قيمت هر كدام از اين املاك 150‌هزار پوند برآورد شده‌است. به اين ترتيب با اين طرح دولت 1400 باب خانه جديد به بازار اضافه مي‌شود. دولت انگليس طي برنامه‌اي اعلام كرده قصد داشت تا سال 2020 براي حل مشكل مسكن افراد كم‌درآمد، 3ميليون خانه بسازد. اكنون با اجراي اين طرح هم مي‌تواند در اين برنامه پيش برود و هم تا حدي جلوي ركود خريد و فروش در بازار مسكن را بگيرد. با وجود كاهش قيمت مسكن و ركودي كه در پيش خواهد بود، اما هنوز توان خريد مسكن مردم انگليس به نسبت درآمد آنها پايين است. در سال 2005 كسي كه در انگليس مي‌خواست براي اولين بارخانه خريداري كند براي دريافت وام نياز به سپرده‌گذاري معادل 10‌هزار پوند داشت. اكنون اين رقم به 16‌هزار پوند يعني نزديك به 60‌درصد افزايش يافته‌است.

 

 

 

 

 

 

 

نمودار 2-2  بررسی بازار مسکن در انگلیس

 

2-5  لزوم برنامه ریزی در بخش مسکن

در دنیا شاخص های مختلفی در سنجش وضعیت مسکن در کشورهای مختلف وجود دارد و کشورها با توجه به این شاخص ها و نسبت استاندارد آن در دنیا و همچنین در خصوصیات اقتصادی، فرهنگی، اجتماعی جامعه خود، نسبت به برنامه ریزی در بخش مسکن اهتمام ورزیده و سیاست های خود را بر مبنای شاخص های مذکور تنظیم می کنند.

این شاخص ها به بخش های مختلف درونی ، بیرونی، اقتصادی، بر مبنای خانوار تقسیم بندی شده اند. شاخص هایی از قبیل تراکم نفر در واحد مسکونی، تولید زیربنای مسکونی، تراکم خانوار در واحد مسکونی، هزینه مسکن نسبت به درآمد سالانه خانوار و … را می توان از این منظر ارزیابی کرد.

یکی از مهمترین شاخص هایی که جزو شاخص های اقتصادی مسکن قرار می گیرد و از اهمیت بالایی برخوردار است، شاخص «سهم هزینه مسکن در سبد هزینه خانوار» است. این شاخص جزو کلیدی ترین شاخص های بخش مسکن است که کشورهای مختلف با استناد به آن و مقایسه شاخص مذکور با استاندارد جهانی آن نسبت به سیاستگذاری مناسب در بخش مسکن اقدام می کنند.

متاسفانه در حالیکه «سهم هزینه مسکن در سبد هزینه خانوار» در کشورهای موفق در حل معضل مسکن به کمتر از ۱۵ درصد می رسد، در کشور ما این سهم در سبد هزینه خانوارهای شهری ۵/۳۲ درصد گزارش شده است که این رقم برای دهک های پایین درآمدی در کلان شهرها به بیش از ۷۰ درصد نیز رسیده است؛ این بدان معناست که درصد بالایی از درآمد خانوار باید صرف پرداخت اجاره بها و یا اقساط خرید خانه شود.

اهمیت این شاخص در تبعاتی است که در اقتصاد کشور بجای می گذارد. بطور مثال بالا بودن «سهم هزینه مسکن در سبد هزینه خانوار» باعث کاهش قدرت خرید خانوار منجمله اقلام ضروری، خوراکی و بهداشتی خانواده می شود.

بنابراین دولت با عطای یارانه های نقدی و غیرنقدی باید نسبت به تامین این اقلام ضروری اقدام نماید که بار مالی بالایی را به دولت تحمیل خواهد کرد.

از طرفی کاهش توان اقتصادی خانوار، کاهش تقاضاهای خدماتی و سرمایه ای را بدنبال دارد که در نهایت موجب کاهش توان تولیدی کشور و ضربه به اقتصاد ملی خواهد شد.

از این جهت کشورهای دنیا با سیاست های مختلف سعی در پایین آوردن هرچه بیشتر این سهم در سبد هزینه خانوار دارند. یکی از این سیاست های مورد اشاره ساخت و تشویق سرمایه گذاری در جهت «مسکن استیجاری» است و بعضی از کشورها نیز با توجه به فرهنگ جامعه و بضاعت و امکانات موجود از «مسکن اجاره ای» و ساخت و احداث آن حمایت می کنند.

اما نکته مورد نظر در این بخش شرایط موجود در کشورهای مختلف است. در کشور ما نیز از سال ۱۳۷۷ قانون تشویق احداث و عرضه واحدهای مسکونی استیجاری به تصویب رسیده و در سیاست های دولت جدید و لایحه بودجه امسال نیز گنجانده شده است.

«اجرای قانون تشویق احداث و عرضه واحدهای مسکونی استیجاری مصوب ۲۴/۳/۱۳۷۷ »، «صرف پنجاه درصد از منابع درآمدی وزارت مسکن در شهرسازی بصورت وجوه اداره شده به منظور تشویق سازندگان واحدهای استیجاری» و … مورد اشاره در بند «ب» لایحه بودجه را نیز می توان در این راستا ارزیابی کرد.

اما در شرایطی اگر اقساط اجاره بها با اقساط فرآیند «اجاره به شرط تملیک» برابر باشد در این شرایط می توان سیاست «اجاره به شرط تملیک» را با توجه به مزایایی که نسبت به «مسکن استیجاری» دارد- ترجیح داد.

متاسفانه با توجه به سیاست های نادرست دولت های گذشته در بخش «اجاره به شرط تملیک»، هر چند تصور خوشایندی ازاین سیاست در اذهان وجود ندارد، اما این سیاست با مدل های مفهومی مناسب و راهکارهای اصولی تعریف شده، یکی از محورهای موفقیت کشورهای مختلف در تامین مسکن اقشار مختلف درآمدی بوده است.

در کشور ما نیز سیاست «اجاره به شرط تملیک» با توجه به عدم توانایی دولت در کنترل اجاره بها و فرهنگ مالکیت شخصی در جامعه ایران، خانوارها را از نوسانات بخش مسکن مصون داشته و دارایی های خانوار را- برخلاف سیاست مسکن استیجاری- افزایش می دهد.

در شرایط فعلی که قیمت اجاره بها با اقساط «اجاره به شرط تملیک» برابر است، می توان با سیاست های اصولی به راحتی سیاست «اجاره به شرط تملیک» را با «مدل مفهومی» مناسب، کارآمد کرده و جایگزین سیاست «مسکن استیجاری» کرد.

ذکر این نکته ضروریست که در صورتی سیاست ساخت مسکن استیجاری بر سیاست «اجاره به شرط تملیک» ارجحیت دارد که اجاره بها به میزان قابل توجهی از اقساط اجاره به شرط تملیک کمتر باشد.

 

2-6  راهکار های كنترل بازار مسكن و مقابله با مشکلات آن

در اين قسمت با تكيه بر سه محور اصلي، راهكارهايي عملي همراه با بيان برخي تجارب جهاني و بيان علل تناسب راهكارها با شرايط كشور، ارائه می گردد:

  • راهكارهاي مربوط به نقش‌آفريني دولت در جهت افزايش عرضه مسكن
  • راهكارهاي مربوط به تأمين زمين، كنترل بازار آن و كاهش سهم هزينة زمين در قيمت مسكن
  • راهكارهاي تأمين مالي براي پوشش هزينة ساخت مسكن

 

 

 

 

2-6-1 راهكارهاي مربوط به نقش‌آفريني دولت در جهت افزايش عرضه مسكن

يكي از سياست‌هاي كليدي در بازار مسكن، برقراري تعادل بين «عرضه» و «نياز» است. چنانكه تجربه شده است سياست‌هايي همچون افزايش تسهيلات بانكي، نمي‌تواند گروه‌هاي كم‌درآمد جامعه را توانمند سازد و از سوي ديگر به دليل تورم‌زايي، باعث كاهش توان آنها در تملك مسكن خواهد شد.

يكي از راهبرد‌هاي اصولي كه مي‌توان با استمداد از آن، از وضعيت كنوني خارج شد، «افزايش عرضه مسكن توسط دولت» است. اين راهبرد علاوه بر دارا بودن پشتوانه علمي و اقتصادي، در دوران بحران كشورهايي چون انگليس، آلمان، سوئد، مالزي، سنگاپور، كره‌جنوبي و… توانسته است نقش بسزايي در كاهش معضل مسكن در اين كشورها داشته باشد. هنگام بحران مسكن، دولت در كشورهايي چون انگليس، آلمان و … كه با كمبود شديد مسكن مواجه بودند، با روش‌هاي مختلف به توليد انبوه مسكن پرداخته و با عرضة آن به جامعه، سعي در متعادل كردن عرضه و نياز داشته است. به‌عنوان مثال در فاصله سالهاي 1946 تا 1956، از 5/2 ميليون واحد مسكوني ساخته شده در انگليس، 75% آن توسط مقامات محلي(دولت)، ساخته ‌شد. طبق آمار، دولت انگليس طي سال‌هاي 1919 تا 1969، 6 ميليون واحد مسكوني ساخته و به بازار عرضه كرده است. كرة جنوبي نيز از سال 1991 تا 1998، 2 ميليون واحد مسكوني عرضه كرده است و در سالهاي بعد نيز حضور 40% خود را در عرضة مسكن حفظ كرده است.

ذكر اين نكته قابل توجه است كه حضور كارآمد و مؤثر دولت در بخش حاكميتي و مالكيتي مسكن، به‌معناي توليد مسكن توسط خود دولت نيست. ( اين مهم يقيناً بر عهده پيمان‌كاران غيردولتي خواهد بود.)

 

2-6-1-1  نتايج سفارش ساخت مسكن از طرف دولت

يكي از نتايج مهم پروژه‌هاي سفارش ساخت انبوه مسكن به پيمان‌كاران غيردولتي توسط دولت، علاوه بر عرضة بيشتر مسكن، حذف‌كردن « واسطه‌هاي سوداگر» است. دولت از طريق در اختيار گرفتن مالكيت زمينها در طول جريان ساخت، سياستهاي مؤثري را در جهت انتقال مستقيم مالكيت به گروههاي نيازمند و حذف واسطه‌هاي سوداگر به اجرا مي‌رساند. مثلاً مي‌توان با پيش‌فروش واحدهاي سفارش داده شده به نيازمندان مسكن، آنها را در سود حاصل از سرمايه‌گذاري شريك كرد. در اين شرايط سود حاصل از سرمايه‌گذاري در فرآيند ساخت به متقاضي انتقال پيدا مي‌كند نه واسطه‌هاي سوداگر. همچنين با اتخاذ سياست‌هاي طرف عرضه، نتايج زير قابل حصول است:

الف ـ مداوم‌ بودن توليد و عرضة مسكن در بازار براي ايجاد تعادل بين عرضه و نياز

سياست طرف عرضه، منجر به ثبات بازار و توليد مداوم مسكن مورد نياز گروه-هاي هدف مي‌شود. بنابراين با عرضة مستمر واحدهاي مسكوني، بازار مسكن شاهد دوران‌هاي رونق و ركود فصلي نخواهد بود.

ب ـ حذف واسطه‌ها

همواره از حضور واسطه‌ها به عنوان يكي از دلايل تورم در بخش‌هاي اقتصادي كشور ياد مي‌شود. به‌طور كلي يكي از دقيق‌ترين تعاريفي كه از «عدالت اجتماعي» متصور است، توزيع عادلانة فرصت‌هاي اقتصادي در جامعه است؛ امروزه در جامعة ما، مردم به طور عادلانه، از فرصت مسكن‌دار شدن، سود بردن از فعاليت در بخش مسكن و همچنين از فرصت اشتغال در بخش مسكن برخوردار نيستند اما با اتخاذ سياستهاي طرف عرضه، واسطه‌هاي سوداگر از چرخة توليد حذف شده و منفعت حاصل از اين اقدام نصيب تقاضاهاي مصرفي مي‌شود.

 

2-6-2 راهكارهاي مربوط به سياست كنترل بازار زمين و كاهش « سهم هزينة زمين در قيمت مسكن»

در كشور ما سهم هزينة زمين از قيمت نهايي مسكن بيش از 50 درصد است. در نتيجه، زمين به تنهايي بيش از 50 درصد از نقدينگي موجود در بازار مسكن را به خود اختصاص مي‌دهد و تأمين مالي عرضة مسكن را نيز به مخاطره مي‌اندازد. سوداگري در بازار زمين و كاهش سرعت گردش سرمايه در فرآيند توليد مسكن، باعث طولاني‌شدن فرآيند ساخت، افزايش قيمت مسكن و در نهايت كاهش عرضة مسكن به بازار مصرف شده است.

دولت از نيمه دوم دهة 1370، از دخالت خود در بازار زمين كاسته و از سازوكار بازار آزاد در تأمين زمين و مسكن حمايت كرده كه در نتيجه، فعاليت در بازار زمين از صرفه اقتصادي بيشتري نسبت به بازار مسكن برخوردار شد. وجود اين شرايط، شركت‌هاي فعال در امر ساخت‌وساز را به سمت استفاده از بازار زمين، در راستاي كسب سود بيشتر ترغيب كرده و مي‌كند. براي مثال طي سالهاي 68 تا 80، نرخ رشد قيمت زمين تقريباً 2برابر نرخ رشد بهاي آپارتمان در شهر تهران بوده به‌نحوي كه قيمت زمين طي اين دوره 5/22 برابر و قيمت آپارتمان 5/11 برابر شده‌ است. اين اعداد و ارقام حكايت از بي‌ثباتي بازار زمين دارد و نشان مي‌دهد كه افزايش قيمت زمين در دوران رونق بسيار بيشتر از قيمت مسكن است؛ نتيجه اين امر، حركت سرمايه‌هاي سرگردان و سرمايه‌هاي موجود در بخشهاي صنعتي ديگر و حتي سرمايه فعال در ساختمان‌سازي، به ‌سمت زمين است.

بنابراين يكي از اولويت‌هاي دولت در بخش مسكن، بايستي سامان‌دهي و كنترل بازار زمين باشد؛ اين كنترل به منظور كاهش سهم هزينه زمين از قيمت نهايي مسكن اعمال مي‌شود. براي تحقق اين هدف، راهكارهاي عملي زير در دسترس هستند:

 

2-6-2-1 اجاره بلندمدت زمين

در گام نخست، دولت بايد از فروش زمين‌هاي خود خودداري كند. در مناطقي كه به واحد‌هاي مسكوني نياز است، دولت مي‌تواند با در اختيار قرار دادن عرصة زمين‌هاي خود به متقاضيان، زمين را بصورت اجاره در اختيار متقاضيان قرار دهد. دولت مطابق اين سياست، هزينة زمين را از نقدينگي اوليه براي توليد مسكن حذف كرده و در عين حال زمين را رايگان در اختيار توليد‌كنندگان و مصرف‌كنندگان قرار نمي‌دهد، بلكه با اجاره زمين، ورود زمين را در چرخه معاملات بازار زمين حذف و از افزايش قيمت آن جلوگيري مي‌كند. لذا سرمايه‌هاي موجود در اين بخش به سمت توليد مسكن هدايت مي‌شوند كه افزايش عرضة مسكن را به دنبال خواهد داشت. علاوه‌ برآن، دولت تنها هزينه‌هاي ساخت را قسط‌بندي مي‌كند و زمين را به‌صورت اجاره در اختيار متقاضي قرار مي‌دهد.

البته دولت در شهرهاي كوچك و متوسط نيز در فرآيند توسعة شهري، با اضافه كردن زمين‌هاي جديد به حريم شهرها مي‌تواند سياست اجاره بلندمدت زمين را مشابه شهرهاي جديد اجرا كرده و به عرضة مسكن در اين مناطق بپردازد، ولي به-هرحال، در كلان‌شهرها، توسعه شهري به صلاح نبوده و راهكارهاي ديگري وجود دارند كه در ادامه بيان شده‌اند.

 

 

2-6-2-2 روش تامين زمين و كنترل بازار آن در كلان‌شهرها

تأمين زمين در كلانشهرها در احياي بافتهاي فرسوده اتفاق مي‌افتد كه بصورت جداگانه آمده است.

 

2-6-3 راهكار تامين مالي براي پوشش هزينة ساخت مسكن

بخشي از سياست‌هاي تكميلي در كنار كنترل زمين و عرضة مستقيم مسكن، سياست‌هاي مالي دولت در بخش مسكن است. تسهيلات مالي كه از سوي دولت پرداخت مي‌شود بايد به گونه‌اي باشد كه حدود 80% هزينه ساخت يك واحد مسكوني را پوشش دهد تا مصرف‌كنندگان بتوانند با استفاده از اين وام، واحدهاي مسكوني را پيش‌خريد كنند.

ايده‌آل مصرف‌كننده تسهيلات بانكي، پايين بودن نرخ بهرة وام‌ ساخت واحدهاي مسكوني و بلندمدت بودن زمان بازپرداخت اقساط وام است؛ در اين راستا، سياستهاي دولت نيز بايستي در جهت اولويت قائل شدن براي بخش مسكن و كمك به افزايش عرضة آن باشد.

نكته مهم در اين رابطه آن است كه تسهيلات بانكي بايد كمترين اثر تورمي را داشته باشد؛ همانطور كه در بخش« اصول حاكم بر سياست‌هاي بخش مسكن» آمد، افزايش وام بانكي با روند كنوني، چه به سازندگان تعلق بگيرد و چه به خريداران، منجر به افزايش قيمت مسكن در بازار خواهد شد. چنانچه وام‌هاي بانكي و تسهيلات دولتي جهت هزينة ساخت واحدهاي مسكوني و به پروژه‌هاي سفارش داده شده از طرف دولت (مطابق راهكارهاي مذكور در بخش عرضه مسكن) تعلق گيرد، مي‌تواند كمترين اثر تورمي را داشته باشد (به‌خصوص با توجه به حذف واسطه‌ها). بدين ترتيب با اجاره بلندمدت زمين به متقاضيان در فرآيند ساخت واحدهاي مسكوني، 80 تا 100 درصد هزينه ساخت يك واحد 100 متري توسط وامهاي 12 تا 15 ميليون توماني موجود تامين خواهد شد.

 

2-7 مدل مفهومی

در برسی به عمل آمده توسط مرکز مطالعات تکنولوژیک دانشگاه علم و صنعت مدل مفهومی‌ «دوباره تنظیم زمین»  بعنوان مدلی ‌مناسب که می‌توان از آن در شرایط کنونی اقتصاد کشور به خوبی بهره برد، مطرح گردیده است.  قریب به صد سال است که کشورهای مختلفی در جهان از این ایده برای نو سازی و تامین زمین مورد نیاز زیر ساخت‌های شهری خود استفاده می‌کنند. آلمان، کره، ژاپن، استرالیا، ترکیه از پیشگامان استفاده از این روش در جهان بوده‌اند. براساس روش فوق دولت می‌تواند به باز تولید زمین مورد نیاز خود در شهرهای بزرگ و کلان شهرها دست یابد و از طریق آن به کنترل بازار زمین و مسکن بپردازد.

 

2-8 ارزشیابی مسکن

در این قسمت بصورت موردی به بررسی پژوهش صورت گرفته در شهر مشهد تحت عنوان « مدل ارزشيابي زمين و املاك در شهر هاي موجود» توسط آقاي غلامرضا افشار به راهنمايي دكتر حسين عبده تبريزي در دانشگاه علامه طباطبايي در بهمن 1373 می پردازیم :

در این پژوهش مشخص می گردد که شهرداري مشهد در مدل قيمت گذاري مساکن موارد زير را مد نظر قرار نداده است:

  • دسترسي به معابر اصلي: با دسترسي به معابر اصلي ارزش املاك با ضريب بسيار كوچكي شروع به افزايش مي كند اما بعد از يك سطح معين هر چه ميزان دسترسي به معابر اصلي افزايش يابد از ارزش املاك كاسته خواهد شد.
  • فاصله متوسط از حرم: در مدل قيمت گذاري شهرداري هر چه فاصله متوسط از حرم بيش تر باشد قيمت مسكن با يك ضريب كوچك كاهش مي يابد ولي اين تحقيق نشان داد كه ضريب كاهش كوچك نبوده بلكه رقم بزرگي است.
  • عدم توجه به كاربري املاك: شهرداري بدون توجه به اين عامل همه املاك موجود در منطقه را با استفاده از يك مدل واحد قيمت گذاري مي كند كه باعث به وجود آمدن انحرافات جدي در مدل قيمت گذاري آن ها مي شود.
  • عدم توجه به تعداد برهاي املاك: در مدل شهرداري فقط اگر ملك دو بر باشد ارزش بالاتري براي آن قايلند، در حالي كه ملك سه بر تجاري ارزش بالاتري از ملك دو بر تجاري دارد.

در اين تحقيق بعد از اثبات فرضيه «قيمت گذاري املاك توسط شهرداري ها ناكاراست»، اين نتايج حاصل شده است:

در ارزشيابي املاك قبل از هر چيز ديگر بايد اقدام به ايجاد پايگاه هاي اطلاعاتي مناسبي كرد كه در آن تمامي مشخصات املاك منطقه مورد نقد براساس كاربري هايشان طبقه بندي شده باشد.سپس هر گروه و عوامل موثر بر ارزش آن ها را طبقه بندي كرده و اين پايگاه اطلاعاتي را براساس آخرين اطلاعات به دست آمده از بازار به هنگام كرد.مساحت يكي از ويژگي هاي مهم املاك است كه بر ارزش آن ها اثر مشخص مي گذارد يعني با افزايش مساحت ملك قيمت آن كاهش مي يابد. البته ميزان كاهش قيمت بستگي به كاربري ملك دارد. اگر ملك تجاري باشد اين ضريب بسيار بالاتر است تا زماني كه ملك مسكوني باشد و در املاك صنعتي اين ضريب خيلي كوچك است.كاربري املاك نيز از عوامل مهم ديگر است كه به طور مستقيم بر ارزش آن ها اثر مي گذارد. به طوري كه املاك تجاري گران قيمت ترين و به ترتيب املاك اداري و مسكوني در درجه اهميت كم تري در ايجاد درآمد قرار دارند.

دسترسي به معابر اصلي هم يكي از عوامل موثر بر ارزش املاك است. هر چه دسترسي به معابر اصلي راحت تر بوده منطقاً بايد قيمت ملك افزايش يابد البته در شهرهاي بزرگ با حجم ترافيك بالا اگر اين دسترسي باعث سلب آرامش شود از عوامل كاهنده ارزش به حساب مي آيد.

دسترسي به اماكن مذهبي، تاريخي در شهرهاي زيارتي و سياحتي در صورت برخورداري ملك از كاربري تجاري رابطه مستقيم با ارزش ملك دارد.

در صورتي كه يك ملك داراي چندين كاربري باشد بايد بهترين كاربري آن را كه بيش تر از آن استفاده مي شود در نظر گرفت.

هر چه يك ملك داراي عرض بيش تري باشد ارزش بالاتري دارد البته بسته به نوع كاربري، ميزان افزايش متفاوت است. مثلاً در املاك با كاربري تجاري به علت امكان احداث تعداد بيش تر واحدهاي تجاري و انجام تبليغات بيش تر در املاك با عرض بالاتر، ميزان افزايش قيمت ملك تجاري نسبت به گونه هاي مشابه بالاتر است.

عامل ديگري كه در ارزشيابي املاك بايد مورد توجه قرار گيرد، مساله محدود نمودن منطقه مورد ارزشيابي است زيرا در هر منطقه عوامل مشخصي هستند كه بر ارزش املاك در آن منطقه اثر مي گذارند و زماني كه محدوده ارزشيابي بسيار بزرگ مي شود عوامل بيش تري هم مورد بررسي قرار مي گيرند و در اين صورت متغيرها حالت تجانس خود را از دست داده و ناهمگون مي شوند و ممكن است كه فرآيند ارزشيابي را دچار انحرافات جدي كرده و ارزش تعيين شده را از درجه اعتبار ساقط كند و بر همين اساس است كه مي توان اظهار كرد كه در هيچ شرايطي نمي توان مدلي ارايه كرد كه بتواند تمامي عوامل موثر بر ارزش املاك را دربرداشته و از آن بتوان براي ارزشيابي املاك در هر نقطه اي استفاده كرد. بنابراين بايد با بررسي و مطالعات وسيع، خصوصيات و عواملي كه بر ارزش املاك اثر مي گذارند را شناسايي كرده و مدلي مختص آن منطقه طراحي كرد.در فرآيند ارزشيابي براي جلوگيري از انحرافات بايد املاكي را كه به طور غيرعادي قيمت گذاري شده اند، كنار بگذاريم.

داشتن خيابان هاي فرعي و كوچه هاي عريض تر مي تواند عاملي باشد كه باعث بالا رفتن ارزش املاك شود اما اين نتيجه در صورتي معتبر و منطقي است كه املاك مورد ارزشيابي همه در يك كوچه و يا خيابان فرعي قرار گرفته باشد زيرا ممكن است كه كوچه يا خياباني با عرض كم تر داراي املاكي با ارزش بالاتر باشد و علل مختلفي مي تواند داشته باشد مثلاً توسعه يافتگي يك كوچه در مقابل ساير كوچه ها مي تواند ارزش بالاتري را ايجاد كند پس بايد زماني اثر خيابان فرعي و كوچه را تعيين كرد كه همه املاك مورد نظر در يك منطقه قرار گرفته و از بسياري جهت شبيه يكديگر باشند.در نهايت بايد گفت كه ارزشيابي املاك فرآيندي بسيار پيچيده است و به جهت اين كه عوامل بسيار زيادي بر ارزش املاك اثرگذار هستند همچنين همان طور كه قبلاً بيان شد به دليل اين كه بعضي از اين عوامل ماهيتي كمي و برخي ديگر از سرشت كيفي برخوردارند بنابراين آنچه كه بسيار مهم جلوه مي كند اين است كه بتوان از روش مناسب در شرايط مختلف استفاده كرد و اين تجربه و قضاوت ارزشياب است كه براي وارد كردن اثر متغيرهاي كيفي در فرآيند ارزشيابي نقش اول را بازي مي كند بنابراين هر چه ارزشيابي از تجربه، مهارت، آگاهي هاي فردي و قدرت قضاوت بالاتري برخوردار باشد ارزش تعيين شده به واقعيت نزديك تر خواهد بود.

 

2-9- مدل هدانیک و ارزشیابی مسکن

هدانیک در لغت ، به عنوان یک صفت برای دیگر کلمات و به معنای مربوط به خوشی و لذت به کار می رود. ولی همین عبارت در علم اقتصاد سنجی و آمار تحت عنوان “مدل قیمت یابی یا ارزش گذاری هدانیک ” (Hedonic Pricing Model) ، به کار می رود که روشی است ریاضی وتعمیم یافته جهت ارزش گذاری بر روی کالاهای مرکب که از چندین ویژگی مختلف تشکیل یافته اند و همچنین تغییر در هر یک از این ویژگی ها درقیمت آن کالا تاثیر می گذارد[7].

 

2-9-1  ماهیت مدل هدانیک

مدلی است که فاکتورهای قیمتی یک کالا را بر مبنای این اصل مشخص می کند که قیمت آن کالا برخواسته از خصوصیات و ویژگی های درونی کالای فروخته شده و دیگر عوامل برونزای تاثیر گذار بر روی آن است.

معمول ترین نمونه کاربرد مدل قیمت گذاری هدانیک ، بازار مسکن است. به طور کلی قیمت یک ملک برآمده از خصوصیات ذاتی ملک (اندازه، ظاهر، امکانات، وضعیت) و همچنین شرایط محیطی و پیرامونی آن (دسترسی به امکانات عمومی همچون مدرسه و مراکز خرید، میزان آلودگی محیطی، شرایط منازل اطراف و … )است. به همین منظور مدل قیمت گذاری هدانیک برای برآورد میزان تاثیرهریک از این عوامل بر روی قیمت نهایی به کار می رود.

اصل اساسی که روش قیمت گذاری هدانیک بر مبنای آن ایجاد شده است بر این فرض استوار است که قیمت بازاری یک کالا به ویژگی های آن کالا و یا خدماتی وابسته است که در تشکیل آن کالا انجام شده است. به طور مثال، قیمت یک خودرو بازتاب کننده ترکیبی از ویژگی های آن همچون گنجایش، راحتی، ظاهر، امکانات رفاهی، مصرف سوخت و … است . بنابراین، ما می توانیم میزان مطلوبیت ویژگی های یک خودرو را با توجه به تغییر در تمایل پرداخت افراد ، نسبت به تغییر در هر یک از ویژگی ها آن ارزش گذاری کرد. با همین اصل، متود قیمت گذاری هدانیک در بیشتر مواقع به منظور ارزش گذاری مطلوبیت های ذاتی و محیطی تاثیر گذار در املاک و مستغلات مسکونی به کار می رود.

 

2-9-2  کاربرد روش ارزش گذاری هدانیک با استفاده از قیمت های مسکن

2-9-2-1  چرا از روش هدانیک استفاده کنیم؟

  • أ‌- همان طور که گفته شد به طور کلی عوامل تاثیر گذار در قیمت مسکن تشکیل یافته است از دو دسته عوامل ویژگی های ذاتی مسکن ، شرایط و خصوصیات طبیعی ، محیطی و منطقه ای . که البته در شرایط اقتصادی ، سیاسی کشور ایران، بایستی عوامل سیاسی ، اقتصادی و حکومتی را نیز در برحه های زمانی مختلف به عنوان عوامل شناخته شده و موثر در قیمت مسکن در محاسبات وارد نمود. بنابراین مشاهده می شود که با اندازه گیری این عوامل همچون مثال خوردو می توان به قیمت نسبی یک مسکن دست یافت که این یکی از شرایط استفاده از روش هدانیک است که تغییرعوامل موثر در قیمت یک کالا را در درجه اول بتوان به سادگی تفکیک کرد و درجه دوم تغییر در هر یک از ویژگی های تفکیک شده ، با ضریب بالایی بتوانند تغییرات قیمتی را نمایان کنند که مسکن این ویژگی ها را دارا می باشد.
  • ب‌- اطلاعات مربوط به نقل وانتقالات مسکن و دستیابی به خصوصیات و ویژگی های املاک مورد مطالعه، به آسانی از چندین منبع مختلف قابل دسترسی است و از طرفی این اطلاعات را می توان با منابع دیگر نیز ارتباط داده و صحت و سقم این اطلاعات را سنجید و بعضا افزایش هم داد . بنابراین در مطالعات مربوط به بازار مسکن از این روش کم هزینه و بدون پیچیدگی خاص ، بهره گرفته می شود.
  • ت‌- نقطه قوت روش هدانیک این است که از این روش می توان در برآورد ارزش مطلوبیت ها، برمبنای اطلاعات حقیقی بهره برد و نه اطلاعات احتمالی و غیرواقعی.
  • ث‌- از آنجا که ورودی مدل هدانیک اطلاعات واقعی است و از آنجاکه بازاراملاک ومستغلات از لحاظ اقتصادی تا حدودی به یک بازار کارا ( بازاری که درآن عرضه و تقاضا تمام زوایای آن را مشخص می کنند) نزدیک است ، از این رو رکورد ها(اطلاعات) دریافتی از این بازار نیز تا حدود زیادی نسبت به بازارهای دیگر، قابل اعتماد بوده و به واقعیت نزدیکتراند و مناسب مدل هدانیک می باشند. همچنین اطلاعات دریافتی از این بازار به سبب نزدیکی به واقعیت می توانند نشانگرهای خوب و قابل اطمینانی نیز برای برآورد ارزشهایی باشند که با استفاده از روش هدانیک به دنبال آنها هستیم و این خود بر دقت خروجی های مدل نیز می افزاید.
  • ج‌- ماهیت انعطاف و تغییرپذیری تحلیل های رگرسیونی که اساس روش هدانیک را تشکیل می دهند این قابلیت را به آن می دهد که بنا به حالات مختلف ارتباط میان عوامل تاثیرگذار در قیمت یک کالا ، معادلات نهایی نیز صورت های مختلفی به خود بگیرند بنابراین اگر برآورد معادلات برازش شده از واقعیت به دور باشند امکان اصلاح و به واقعیت نزدیک نمودن این معادلات بدون دستکاری در اطلاعات جمع آوری شده و تنها با تغییر نوع برازش وآنالیز اطلاعات (تحلیل رگرسیون ) وجود خواهد داشت و این یکی از خصوصیات روش هدانیک است.

 

2-9-2-2  دیگر روش های قابل استفاده و جایگزین

به منظور دستیابی به هدف ارزش گذاری مطلوبیت ها ، ممکن است از شیوه هزینه جابجایی (Travel Cost Method) یا دیگر شیوه های نمونه گیری همچون ارزش گذاری مشروط (Contingent Valuation) یا انتخاب مشروط (Contingent Choice) نیز استفاده شود. البته هر یک از این روش ها ممکن است با تغییر شرایط مسئله بهترین گزینه باشد اما برای مسئله خاص مورد مطالعه ما که در آن به دنبال ارزش یابی عوامل محیطی، روانی و مکانی تاثیرگذار در قیمت مسکن هستیم ، استفاده از روش هدانیک بهترین انتخاب می تواند باشد . چرا که صرفنظر از دلایل فوق الذکر ، حتی اگر دیگر شیوه ها نیز در این مورد مطالعه قابل به کارگیری بودند ، کاربرد و اعمال آنها عموما پیچیده (از لحاظ مباحث آماری وریاضی) و پرهزینه ( از لحاظ جمع آوری و تحلیل اطلاعات اولیه ) هستند.

فارغ از این دلایل بایستی به این نکته توجه کرد که استفاده متداول دیگر پژوهشکران بازار مسکن از گذشته تا حال (اشاره شده در مقدمه و مرور ادبیات ) از متود ارزیابی قیمت هدانیک – یا به زبان عامیانه تر ارزیابی قیمت بر مبنای میزان تمایل و مطلوبیت- خود می تواند موید کارا بودن این شیوه محاسباتی باشد[8].

 

2-9-3 نحوه عملکرد مدل هدانیک در ارزش یابی عوامل تاثیر گذار بر قیمت مسکن

پس از جمع آوری و دسته بندی ویژگی های مختلف یک مسکن ، برای بدست آوردن ارزش قیمتی یک ویژگی خاص ، بایستی با ثابت نگاه داشتن دیگر ویژگی ها و اندازه گیری تغییرات قیمت مسکن برمبنای تغییرات مقدارآن ویژگی خاص ، به ارزش قیمتی آن ویژگی پرداخت.

به طور مثال، اگر فرض کنیم تمام ویژگی های عمومی منازل مسکونی ناحیه ای یکسان باشند و جز در میزان آلودگی صوتی و یا آلودگی هوایی با هم تفاوت هایی داشته باشند،آنگاه منازل با شرایط آب وهوایی وسکوت بیشتر ارزش بیشتری خواهند داشت. این افزایش قیمت منعکس کننده میزان لذت، مطلوبیت و ارزش و یا به زبان علمی تر میزان “قیمت هدانیک” هوای پاک یا سکوتی است که افراد مختلف حاظر به پرداخت آن هستند.

 

2-9-3-1  برای اعمال روش قیمت گذاری هدانیک اطلاعات زیر بایستی جمع آوری شود:

  • أ‌- لیست تفکیکی عوامل تاثیرگذار بر قیمت مسکن
  • ب‌- جمع آوری اطلاعات قیمتی منازل مسکونی و اطلاعات مربوط به هریک ازویژگی های دسته بندی شده به یکی از دو شیوه (Cross-section) مقطعی و یا (time-series) بازه زمانی . این اطلاعات بایستی در یک بازار مشخص و منطقه تعریف شده باشد و همچنین بایستی منازل مسکونی به گونه ای انتخاب شده باشند که میزان تفاوت در ویژگی های لیست شده در آنها، مشهود بوده و قابل تمیز باشد تا بتوان به ارزیابی درستی از میزان مطلوبیت هرویژگی دست یافت.

 

سپس اطلاعات جمع اوری شده با استفاده از تحلیل های رگرسیون آنالیز می شوند تا در این پروسه قیمت هر ملک رابطه معنای داری با ویژگی ها خصوصیات آن پیدا کند. بنابراین به این طریق تاثیرات قیمتی هر یک از ویژگی های ملک قابل برآورد خواهد بود چراکه نتایج رگرسیون (برآورد یک معادله ) بیانگر این موضوع هستند که به ازای یک تغییر کوچک درهر ویژگی ( یک متغیر) با فرض اینکه دیگر ویژگی ها ثابت باشند ، ارزش قیمتی یک ملک را به چه میزان تغییر خواهد داد.

این آنالیز ممکن است با افزایش تعداد فاکتورها وعوامل تاثیرگذار صورتی پیچیده به خود بگیرد. به طور مثال ممکن است رابطه میان قیمت و ویژگی های یک ملک، لزوما رابطه خطی نداشته باشد- قیمت ملک ممکن است با نرخی کمتر یا بیشتر از نرخ تغییرات آن ویژگی تغییر کند. علاوه بر این ممکن است بسیاری از متغییرهای مدل نیز به هم وابستگی داشته باشند که از اینرو میزان تغییرات آنها همسو و بر هم تاثیر گذار خواهند بود بنابراین این موضوع منجر به شناخت اهمیت برخی از متغییرات در تحلیل خواهد شد و از اینرو لزوم به کارگیری مدل ها وشکل های تابعی متفاوت برای بیان صحیح و نزدیک به واقع روابط میان متغییرات ضروری خواهد بود.

 

2-9-4  محدویت ها و معایب روش هدانیک

  • أ‌- دراین مدل ما تنها قادر به برآورد عواملی خواهیم بود که به نوعی نقش آن را در قیمت نهایی کالا تاثیر گذار و عیان خواهیم یافت. بنابراین جمع آوری و تحلیل اطلاعات عواملی که تاثیرمستقیم برروی قیمت نداشته و یا به کمیت درآوردن آنها با محدودیت هایی روبرو است در این مدل پنهان مانده و ردیابی میزان تاثیر واقعی آنها بر روی قیمت به درستی مشخص نمی شود. ازاین جمله عوامل می توان به عوامل سیاسی،اجتماعی،فرهنگی و روانی پیرامون بازار مسکن اشاره کرد .
  • ب‌- در این مدل تنها میزان مطلوبیت کسب شده ناشی از تجربه افراد مورد مطالعه ، مبنای محاسبات قرار می گیرد. بنابراین درصورتی که افراد به برخی مزیت های عوامل دخیل در قیمت مسکن – بالاخص عوامل پیرامونی مسکن همچون عوامل طبیعی و آب وهوایی ، زمین شناسی ، زلزله نگاری و …- آگاه نباشند ناگزیرمطلوبیت قیمتی برآورد شده این عوامل نیز افت خواهد کرد و این عوامل خود به خود از معادلات نهایی حذف خواهند شد .
  • ت‌- با توجه به آنکه عوامل تاثیرگذار در قیمت مسکن بسیار متنوع و زیاد هستند و نوعا ارتباط پیچیده ای هم با یکدیگر دارند، بررسی و ارزیابی هر چه دقیق تر تاثیرات هر یک ازاین عوامل در قیمت مسکن، نیازمند سطح قابل توجه ای از دانش آمار و احتمال است که مطمئنا روش هدانیک قادر به ارضای آن نخواهد بود.
  • ث‌- سطحی از دقت و اعتماد که مدل هدانیک در برآورد نهایی خود ارائه می کند رابطه مستقیمی با میزان اطلاعات جمع آوری شده دارد بنابراین رسیدن به سطح قابل قبول مستلزم جمع آوری مقدار زیادی اطلاعات ورودی به مدل خواهد بود.

 


2-10  مثال هایی از بررسی های صورت گرفته در ارزشیابی مسکن

Measuring the Value of a Moscow Apartment: A Spatial Approach to the Hedonic Pricing of Attributes

Alexandre Repkine
Konkuk University

June 24, 2008

Abstract:
In this paper we explore spatial effects in a hedonic price function framework for a large sample of apartments in Moscow. We find strong evidence of both spatial lag and spatial autocorrelation. Our results are robust across both the spatial model specifications and the choice of the spatial weight matrices. The fact that the quality attributes’ shadow prices we estimate are not much different from the OLS (ML) estimates suggests that spatial effects are orthogonal to the quality characteristics. One interesting finding is that an increase in the kitchen area contributes much more significantly to the apartment’s price compared a marginal increase in the living area, which is reflecting the traditional role kitchen has been playing in the Russian households as a dining and communication area. House type, time needed to walk to the nearest subway station and subway time to the city center are other important apartment attributes. Methodologically, we believe our study is demonstrating the need to develop spatial econometric techniques for application in the environment where both types of spatial effects are simultaneously present.

 

 

 

Estimating Neighbourhood Effects in House Prices: Towards a New Hedonic Model Approach

Raymond Y. C. Tse

Hong Kong Institute of Real Estate, Suite 1301, Asian House, 1 Hennessy Road, Wanchai, Hong Kong, chairman@hkir.com

Abstract:

A hedonic equation considers OLS models with independently andidentically distributed errors. However, quality of propertyand location tend to exhibit highly auto-regressive correlationdue to spatial dependence and heterogeneity. A modificationis made to multiple regression analysis based on the land-rentconcept so that the modified hedonic house price function canbe determined. This paper develops a stochastic approach whichis able to correct autocorrelation bias in the hedonic function.Others tend to model the spatial autocorrelation through theerror terms, while this study models it through the constantterm. The sample was orientated by location to reflect the neighbourhoodeffects. Thus the neighbourhood effects can be separated fromthe random disturbance. Our model, using data from Hong Kong,incorporates adjustments reflecting net floor area ratio, age,floor level, views, transport accessibility and amenities suchas availability of recreational facilities. The stochastic modelis a more flexible application of hedonic price regressions,making it an appealing alternative to spatial problems.


 

 

 

فصل سوم

 

روش تحقیق

 

 

در این تحقیق به بررسی قیمت مسکن و عوامل تاثیر گذار بر آن با استفاده از مدل قیمت گذاری هدانیک می پردازیم. با توجه به بررسی های صورت گرفته در این زمینه تا کنون عوامل فیزیکی و ویژگیهای محیطی موثر بر قیمت مسکن بررسی گردیده اند.در این مطالعه سعی بر آن است که تاثیر عوامل روانی بر قیمت مسکن مورد تحلیل قرار داده شود.عوامل روانی را می توان به عنوان تاثیرات ساختار دولت ،ویژگیهای بازار و عواملی از این قبیل در دیدگاه شخص خریدار یا فروشنده دانست.در ادامه روش انتخابی ،نحوه گردآوری و تحلیل داده ها و ابزارهای آن بیان می گردد.

3-1  مبانی نظری

روش قیمت گذاری هدانیک بر اساس اصل لذت گرایی ،به ارزیابی و بررسی کالا ها و خدماتی می پردازد که وجود آنها بطور مستقیم به برخی قیمتهای بازاری خاص تاثیر می گذارد.این کالا ها اصطلاحا کالاهای غیر بازاری نامیده می شوند.

مدلهای هدانیک را می توان شکل خلاصه شده ای از مدلهای آماری دانست که در مقطعی از زمان مورد استفاده قرار گرفته باشند.این مدلها را می توان “مکان هندسی قیمتهای تعادلی معاملات به صورت تابعی از مشخصات ناهمگن ملک واقعی معامله شده” دانست.

از دهه 1950 تا کنون کاربردهای بی شماری برای این مدلها ارائه شده است.به این صورت که مسکن را یک کالای مرکب با چندین بعد در نظر گرفته اند که قیمت مسکن تابعی از مشخصات (ابعاد) آن –شامل مشخصات فیزیکی ،مشخصات محیطی،مشخصات دسترسی وغیره – می باشد.

متداول ترین کاربرد روش قیمت گذاری هدانیک را می توان در بازار مسکن دانست. این روش بر اساس داده های معاملات واقعی و انتخاب می باشد.به این صورت که افرادی که در معرض خرید یا فروش واحد مسکونی می باشند ، با توجه به ویژگیهای واحد مسکونی مورد نظر اقدام به خرید یا فروش آن با قیمت مشخص می نمایند.

این روش بر این ایده استوار می باشد که املاک کالاهای نا همگن می باشند و با توجه به خصوصیات از هم متمایز می باشند.به بیان دیگر این روش قیمت مسکن را متاثر از عواملی شامل عوامل فیزیکی ، محیطی و غیره می داند.در مطالعات هدانیک فرض می شود که قیمت مسکن منعکس کننده تمایل به پرداخت خریدار – به منظور دستیابی به امکانات رفاهی مورد نیاز داخل و خارج از واحد مسکونی – و همچنین قیمت پیشنهادی فروشنده با توجه به امکانات داخلی و خارجی آن می باشد.تفاوتها در قیمت مسکن در روش هدانیک ناشی از تفاوت در ویژگیهای کالای مورد بررسی در نظر گرفته می شود.بر این اساس ،قیمت مسکن نشانگر حداکثر پولی است که افراد تمایل دارند برای کیفیت بهتر محیط،میزان خاصی از امکانات داخلی و وضعیت ساختمان و میزان دسترسی به امکانات و خدمات شهری بپردازند[9].

روشی بکار رفته در این مقاله مبتنی بر رویه ای است که توسط روزن[10]  به کار رفته است. این روش بعد ها توسط افراد دیگری از جمله شیلر[11] و بودن[12] و بسیاری دیگر[13] مورد استفاده قرار گرفت.

دراین رویه مطابق روش قیمت گذاری هدانیک ، یک واحد مسکونی به وسیله خصوصیات و ویژگی های قابل اندازه گیری اش توضیح داده می شود. قیمت بازاری هر واحد مسکونی به عنوان کالای مرکب تابعی از ویژگی های متفاوت آن واحد در نظر گرفته می شود. با برآورد ضرایب متغیرهای الگو قیمت ضمنی مسکن و هر کدام از این ویژگی ها بدست می آید. این قیمت های ضمنی، قیمت هدانیک نامیده می شوند. منطق بکار رفته در تابع هدانیک قیمت این است که هر چه تعداد ویژگی های مثبت و مطلوب یک واحد مسکونی بیشتر باشد، با فرض ثابت بودن سایر شرایط، قیمت بازاری آن واحد مسکونی بیشتر خواهد بود. به عبارت دیگر اگر دو واحد مسکونی با شرایط یکسان از سایر جهات ولی با تعداد اتاق های متفاوتی و وجود داشته باشند، انتظار می رود که مکانیزم بازار برای واحد مسکونی دارای اتاق بیشتر، قیمت بالاتری تعیین نماید. از نظر عملی قیمت هدانیک مسکن و خصوصیات آن از طریق برازش (رگرسیون) قیمت مسکن بر خصوصیات واحد مسکونی بدست می آید.مدل رگرسیونی را که با بیش از یک متغیر مستقل درگیر است “مدل رگرسیون چند متغیره[14] ” می نامند. در ادامه به اختصار این روش برآورد تقاضا برای ویژگی های مسکن توضیح داده می شود.

 

Y=B0 +B1X1 +B2X2 +… +BkXk +Є                                               (1)

 

مدل فوق مدل رگرسیون خطی با k متغیر مستقل نامیده می شود. پارامترهای    Bj (j=1,2,3,…,k) ضرایب رگرسیون نام دارند.این مدل ابر صفحه ای از متغیر های مستقل {Xi} را در فضای k بعدی توصیف می کند.پارامتر Bj معرف میانگین تغییر در پاسخ Y به ازای هر واحد تغییر در Xi است ،اگر تمام متغیرهای مستقل دیگر Xi (I # j) ثابت نگه داشته شوند.پارامتر های Bj اغلب ضرایب جزئی رگرسیون نامیده می شوند ،زیرا اثر جزئی یک متغیر مستقل را توصیف می کنند هرگاه دیگر متغیر های مستقل موجود در مدل ثابت نگه داشته شوند.

در معادله فوق Xi ها همان عوامل موثر بر قیمت مسکن بوده و Y قیمت مسکن می باشدو Bj ها نیز معرف میزان تاثیر گذاری عامل Xj بر قیمت مسکن می باشند.

به منظور برآورد کردن ضرایب رگرسیون در معادله (1) ،از روش حداقل مربعات استفاده می شود. اگر(n>k)n  مشاهده در دسترس باشد ،و Xij را معرف iامین مشاهده یا سطح از متغیر Xj در نظر بگیریم معادله شماره (2) حاصل خواهد شد :

 

Yi=B0 +B1Xi1 +B2Xi2 +… +BkXik +Єi

 Yi = B0 + BjXij+Єi              i=1,2,3,…,n                                                 (2)

 

3-2 تبیین مدل تحلیلی این مطالعه

با برسی های صورت گرفته و مشخص نمودن عوامل تاثیرگذار بر قیمت مسکن و دسته بندی نتایج ، قیمت مسکن تابعی از چهار گروه ویژگی و خصوصیت در نظر گرفته می شودکه عبارتند از:

  • ویژگی های فیزیکی ،شامل:
  • مساحت (متر مربع)
  • عمر (سال)
  • نوع اسکلت
  • میزان استحکام بنا از لحاظ مصالح بکار رفته (1-5)
  • محل واحد (طبقه)
  • تعداد اطاق (خواب)
  • استخر سونا (2-1)
  • سیستم تهویه و حرارتی
  • آسانسور (2-1)
  • پارکینگ (2-1)
  • نورگیر بودن (1-5)
  • نما

2- ویژگی دسترسی ،شامل:

  • سهولت دسترسی به بازار کار (1-5)
  • سهولت دسترسی به مراکز خرید (1-5)
  • سهولت دسترسی به مدارس (1-5)
  • سهولت دسترسی به بزرگراهها (1-5)
  • سهولت دسترسی به تفریگاهها (1-5)
  • سهولت دسترسی به مسجد (1-5)
  • سهولت دسترسی به محل پارک در نزدیکی واحد (1-5)

3- ویژگی های محلی ،شامل:

  • میزان فضای سبز (1-5)
  • میزان امنیت محل (1-5)
  • کیفیت صوتی محل از نظر عدم وجود آلاینده های صوتی (1-5)
  • کیفیت هوا از نظر عدم وجود آلاینده زیست محیطی (1-5)
  • کیفیت چشم انداز واحد مسکونی (1-5)
  • سطح فرهنگی ساکنین محل (1-5)
  • میزان خلوتی محل (1-5)
  • میزان نوساز بودن خانه های اطراف (1-5)
  • وجود مسجد در نزدیکی محل (2-1)
  • وجود مدرسه در نزدیکی محل (2-1)

4- دیدگاه شخصی ،شامل:

  • سرمایه ها یا نقدینگی موجود در بازار (1-5)
  • میزان تورم (1-5)
  • توجه مسئولین شهرداری به مسائل شهری (1-5)
  • میزان تراکم و نوع کاربری اعلام شده (1-5)
  • میزان تسهیلات بانکی ساخت مسکن (1-5)
  • تغییر دولت و تغییر سیاست های مربوط به ساخت و عرضه مسکن (1-5)

لازم به ذکر است تحقیقات و بررسی های صورت گرفته در زمینه برآورد قیمت مسکن و مدل هدانیک ،غالبا بر روی عوامل فیزیکی و ویژگیهای دسترسی و محلی تاکید داشته و به علت دشواری بررسی و جمع آوری اطلاعات از عامل دیدگاه شخصی – که در این تحقیق مورد بررسی قرار گرفته است – صرف نظر نموده اند.عامل دیدگاه شخصی را می توان عامل روانی نیز نامید.این عامل بیانگر تاثیراتی می باشد که شرایط بازار ،ساختار دولت و عواملی از این دست بر روی دیدگاه شخص خریدار یا فروشنده گذاشته که نهایتا موجب تاثیر بر قیمت مسکن می گردد.

برای برآورد تابع هدانیک قیمت از شکل های مختلف توابع می توان استفاده کرد. شکل خطی، نیمه لگاریتمی، لگاریتمی دوبل شکل هایی از توابع هستند که دربرآورد تابع قیمت هدانیک برای سه گروه خریدار و فروشنده و کارشناسان فروش مورد استفاده قرار گرفته اند.در این مطالعه هر سه فرم خطی ، نیمه لگاریتمی و لگاریتمی دوبل روش قیمت گذاری هدانیک ( HPM ) به منظور برآورد قیمت مسکن مورد استفاده قرار می گیرد. هر کدام از این شکل ها به ترتیب زیر تعریف می شوند.

  • فرم خطی تابع قیمت هدانیک:

Yi = B0 +∑ BjXij+Єi              i=1,2,3,…,n

  • فرم نیمه لگاریتمی تابع قیمت هدانیک :

Ln(Yi ) = B0 +∑ BjXij+Єi              i=1,2,3,…,n

  • فرم لگاریتمی دوبل تابع قیمت هدانیک :

Ln(Yi ) = B0 +∑ Bj Ln Xij+∑αt Ln Ktj + Єi              i=1,2,3,…,n

t=1,2,3,…,m

3-3  روش تحقیق:

3-3-1  جامعه آماری مورد مطالعه

روش تحقیق در نظر گرفته شده در این مطالعه روش مطالعه موردی[15] می باشد.لذا جامعه آماری در نظر گرفته شده شامل واحد های مسکونی آپارتمانی به قیمت رسیده در منطقه گیشای تهران در تابستان سال 1387 می باشد.

 

3-3-2  روش جمع آوری داده ها

  • برای جمع آوری داده ها در این مطالعه از دو روش استفاده گردیده است. در روش اول فرم پرسشنامه ی تهیه شده – شامل نظر سنجی ذیل عنوان چهار عامل تعیین کننده قیمت مسکن – در اختیار پنج بنگاه معاملات ملکی قرار داده شد و صاحبان بنگاه نسبت به نحوه تکمیل فرم ها توجیه گردیدند.در روش دوم فرم های پرسشنامه از طریق تماس تلفنی با اشخاصی که ملک خود را برای فروش در روزنامه های کثیرالانتشار گذاشته بودند و مصاحبه تلفنی با آنها تکمیل گردید.

با توجه به محدود بودن جامعه آماری ،حجم کل نمونه جمع آوری شده 97 مورد در نظر گرفته شده است که 57 مورد آن از طریق بنگاه و 40 مورد از طریق مصاحبه تلفنی تهیه گردیده است.

 

3-3-3  ابزارهای گرد آوری داده ها

داده ها همانگونه که قبلا اشاره شد توسط فرم پرسشنامه و مصاحبه از فروشندگان ، جمع آوری شده است.

 

3-3-4  ابزارهای تجزیه و تحلیل

بمنظور تجزیه و تحلیل داده ها ، تخمین تابع قیمت هدانیک و همچنین تهیه نرم افزار مسکن ، در این مطالعه از نرم افزار هایExcel ،  SPSS، Minitab و Visual Basic استفاده شده و در نهایت نتایج و خروجی ها مورد مقایسه و تجزیه تحلیل قرار گرفته است.

 

 

 

 

فصل چهارم

 

برآورد مدل و تشریح یافته ها

 

در این فصل به بررسی داده های جمع آوری شده توسط پرسشنامه می پردازیم . ابتدا چگونگی گردآوری ،دسته بندی و ورود اطلاعات بیان می شود و سپس مختصری در رابطه با نرم افزار Minitab و چگونگی پردازش داده ها در آن بیان میگردد . در ادامه میزان اعتبار پرسشنامه و همچنین اطلاعات موردد بررسی قرار گرفته وسپس تحلیل و بررسی نتایج حاصله ارائه می گردد.

 

4-1 داده ها

4-1-1 گردآوری اطلاعات

پس از طراحی پرسشنامه و تکمیل سوالات ، بمنظور جمع آوری اطلاعات و تکمیل پاسخ ها ، تعداد 75 برگه پرسشنامه در 5 بنگاه که بطور اتفاقی از بنگاه های موجود درسطح منطقه 2 تهران انتخاب گردیدند توزیع شده و صاحبان بنگاه توسط مامور جمع آوری برگه ها در رابطه با نحوه صحیح پاسخ به سوالات توجیه گردیدند. برگه ها پس از تکمیل جمع آوری شده سپس توسط کارشناس مسکن مورد بررسی و بازدید قرار داده شد که طی آن تعدادی از پرسشنامه ها که اطلاعات ناقص و یا اشتباه داشتند از آمار خارج گردیدند.در نهایت از 75 برگه توزیع شده در بنگاه ها تعداد 57 مورد آن مناسب جهت بررسی و بکارگیری در مدل تشخیص داده شد.در ادامه بمنظور افزایش میزان اطلاعات ورودی ، تعداد 40 پرسشنامه دیگر از طریق آگهی های فروش ملک موجود در روزنامه های کثیرالانتشار تکمیل گردید.به این ترتیب که پس از تماس مشخصات فیزیکی ملک فروشی ، برخی ویژگی های دسترسی و محلی بصورت پراکنده مورد سوال قرار گرفته و سپس موارد باقی مانده از سوالات پرسشنامه با در دست داشتن نشانی ملک و موقعیت آن توسط کارشناس مسکن تکمیل و در فرم ها وارد گردید.در این روش جمع آوری داده ها به منظور پراکندگی و اتفاقی بودن آنها ، با توجه به پیش شماره تلفن ثابت ارائه شده در متن آگهی و در دست داشتن جدول پیش شماره های منطقه 2 تهران که در فرم ضمیمه آمده است ، بصورت پراکنده تماس ها با پیش شماره های مختلف صورت گرفته است.لازم به ذکر است 40 مورد تکمیل شده از طریق تماس تلفنی تنها شامل املاکی می شود که به قیمت رسیده اند و قیمت های غیر منطقی از آمار خارج گردیده اند.

4-1-2 دسته بندی و ورود اطلاعات

پس از بازبینی نهایی فرم ها توسط کارشناس مسکن ، 97 عدد پرسشنامه تکمیل شده بدست آمد. با توجه به قابلیت ارتباط نرم افزارهای Minitab و SPSS با نرم افزار Excel و همچنین سهولت کار با این نرم افزار به نسبت سایر نرم افزارها ، داده های بدست آمده توسط پرسشنامه که شامل 35 تخمین زننده ( متغییر های مستقل ) ، در قالب 4 عنوان : ویژگی های فیزیکی ، ویژگی های دسترسی ، ویژگی های محلی و دیدگاه شخصی ، و یک متغییر پاسخ یا همان قیمت مسکن ،  وارد نرم افزار Excel گردیدند. به این ترتیب بانک داده ها تکمیل و آماده تحلیل گردید.

 

4-2 تحلیل رگرسیون در Minitab

نرم افزار Minitab این قابلیت را دارد که به روش کوچکترین مربعات ، رگرسیون ساده و یا چند متغیره ی یک یا چند متغیر تخمین زننده[16] و یک متغیر پاسخ[17] را محاسبه نماید. در رگرسیون چند متغیره یک عامل مورد نظر برای پیش بینی (در اینجا قیمت مسکن) ، توسط تعدادی عامل پیش بینی کننده تخمین زده می شود.در روش حداقل مربعات ، معادله خروجی خطی را تعیین می کند که دارای کمینه مجموع مربعات فواصل افقی بین نقاط داده و خط مورد نظر باشد.

در بحث رگرسیون دو مفهوم کلیدی وجود دارد:

  • متغیر پاسخ : همان ستون محتوی اقلام Y یا متغیر وابسته
  • تخمین زننده : ستون های X یا متغییر های مستقل

در هنگام محاسبه رگرسیون در قسمت Response ، ستون مربوط به قیمت مسکن را وارد کرده و در قسمت Predictors ، ستون های مربوط به ویژگیها را وارد می کنیم :

 

 

 

 

 

 

 

 

 

 

شکل 4-1 تحلیل رگرسیون در Minitab

باید دقت کرد که ستون های وارد شده دارای طول یکسان باشند. همچنین در محاسبات ردیف هایی که دارای مقدار تهی باشند از محاسبه حذف خواهند شد.همچنین در این نرم افزار اگر تعدادی از داده  ها بسیار به هم نزدیک بوده و یا حالت تقریبا ثابت داشته باشند، همگی و یا تعدادی از آنها از محاسبه حذف خواهند شد[18].

 

4-3 اعتبار سنجی پرسشنامه

در این قسمت اعتبار پرسشهای انتخابی در فرم پرسشنامه و همچنین میزان همبستگی پرسشهای موجود در هر یک از سطوح مورد بررسی قرار می گیرد.

همانطور که در بخش های قبل گفته شد ، پرسشهای موجود در فرم پرسشنامه توسط نظرسنجی از تعدادی کارشناس مسکن ، از میان شاخص های تعیین کننده قیمت انتخاب گردیده و سپس ذیل چهار سطح دسته بندی شده اند که هر سطح توسط پرسشهای مطرح شده ذیل عنوان آن ارزیابی می شود . در نتیجه می توان گفت که اعتبار اولیه لازم جهت برآورد مدل را دارا است.

به منظور تعیین میزان همگرایی و اطمینان پرسشنامه و پاسخ های جمع آوری شده ، قابلیت اطمینان[19] آن  توسط نرم افزار SPSS مورد بررسی قرار گرفت . این نرم افزار با محاسبه ی میزان آلفای کورونباخ[20] – که در ضمیمه شماره 2 اندازه گیری شده است –میزان همگرایی سوالات را تعیین می نماید.

روش کار به این شکل است که اطلاعات جمع آوری شده در سه حوزه : ویژگی های دسترسی ، ویژگی های محلی و دیدگاه شخصی که شامل پاسخ های رتبه بندی شده از 1 تا 5 می باشند وارد نرم افزار می شود.چنانچه α محاسبه شده دارای مقدار 6/0 یا بیشتر باشد ، نشان دهنده این مطلب است که پرسش های مطرح شده همگرا و حول یک موضوع بوده و آنرا از جنبه های کاملا مرتبط مورد ارزیابی قرار می دهند.

با توجه به α های اندازه گیری شده ، مشخص گردید که میزان آنها در هر یک از سه حوزه فوق الذکر از 6/0 بیشتر بوده و پرسش ها همگرا می باشند.

 

4-4 تحلیل و بررسی نتایج

4-4-1 پردازش اولیه اطلاعات

پس از وارد کردن داده ها در نرم افزار اکسل ، اطلاعات در سه فایل مجزا پردازش و دسته بندی گردیدند.فایل اول شامل اطلا عات خام بوده و مربوط به فرم خطی مدل رگرسیون هدانیک می باشد. در فایل دوم بجای ستون قیمت ، لگاریتم طبیعی مقادیر قیمت وارد گردیده و در فرم نیمه لگاریتمی مدل بکار می رود.و بالاخره در فایل سوم علاوه بر ستون قیمت ، از سایر متغیر هایی که توسط مقادیر 0 تا 5 ارزیابی می شوند ، لگاریتم[21] گرفته شده و جایگزین گردیده است[22] و داده های آن در فرم لگاریتمی دوبل مورد استفاده قرار می گیرد. فایل ها بصورت مجزا وارد نرم افزار Minitab گردیده و تحلیل رگرسیون بر روی آنها صورت می گیرد.

 

4-4-2 برآورد مدل

چنانچه گفته شد ، بمنظور برآورد تابع هدانیک از سه مدل : خطی ، نیمه لگاریتمی و لگاریتمی دوبل استفاده گردیده است.نتایج حاصل از برازش قیمت مسکن نسبت به متغیر های مربوطه در فرم خطی در جدول 4-1 خلاصه شده است.

در این جدول ستون Average مقدار میانگین شاخص ها ، ستون [23]Coef ضریب شاخص در معادله ی رگرسیون ، ستون [24]Stdev مقدار خطای استاندارد شاخص ، ستون t-ratio آماره ی T ، ستون p احتمال رخ داد خطای نوع اول و بالاخره ستون [25]IMPLYP  قیمت ضمنی شاخص را نشان می دهد.

ستون Stdev در بدست آوردن فاصله اطمینان کاربرد دارد.به عنوان مثال برای بدست آوردن فاصله اطمینان 95/0 برای Masahat به روش زیر عمل می کنیم :

 

2.5900 + 0.2877 * 1.96 =3.153892

 

2.5900 –  0.2877 * 1.96 =2.026108

 

در این حالت مقدار صحیح این ضریب به احتمال بسیار زیاد بین دو عدد 153892/3 و 026108/2 بوده و فقط 5 % احتمال داردکه این گفته اشتباه باشد.به همین ترتیب فاصله اطمینان برای سایر ضرایب قابل محاسبه می باشد ، یعنی با اضافه و کم کردن حاصلضرب خطای استاندارد در عدد 1.96 به ضریب بدست آمده حدود اطمینان 95 % مشخص می گردد.

مقدار آماره T از تقسیم ضرایب معادله بر خطای استاندارد بدست می آید.این عدد به تنهایی کاربرد نداشته ولی در بدست اوردن p کاربرد دارد.اگر مقدار p از 0005/0 کمتر باشد به معنی این است که رابطه میان شاخص مورد نظر و متغیر پاسخ از لحاظ آماری برای 05/0 = α بسیار قابل توجه است.

ستون IMPLYP بیانگر قیمت ضمنی شاخص ها می باشد و به عبارتی میزان افزایش در قیمت مسکن در ازای 1 واحد افزایش در شاخص مربوطه را مشخص می نماید. مقدار قیمت ضمنی به عنوان مثال برای شاخص مساحت از فرمول زیر محاسبه می شود :

IMPLYP = ( Coef / Masahat ) * Gheymat

لازم به ذکر است در اینجا میانگین داده ها بمنظور بدست آوردن قیمت ضمنی وارد گردیده اند.با توجه به کوچک بودن مخرج طرف سمت راست معادله فوق برای شاخص هایی که دو مقدار صفر و یک را اختیار نموده اند ، مقدار قیمت ضمنی برای این پارامتر ها به مراتب بیش از پارامترهایی نظیر مساحت و عمر ملک می باشد ، لذا بمنظور مقایسه میزان تاثیر گذاری شاخص ها بر قیمت مسکن ، پارامتر ها با توجه به شیوه ارزیابی در فرم پرسشنامه با یکدیگر مقایسه می شوند.

سایر نتایج حاصل از برازش قیمت مسکن نسبت به متغیر های مربوطه در فرم های نیمه لگاریتمی و لگاریتمی دوبل در جداول 4-2 و 4-3 خلاصه شده است .

 

 

  Average Coef Stdev t-ratio p IMPLYP
1 Gheymat 281.1031          
2 Masahat 107.3299 2.5900 0.2877 9.0000 0.0000 6.7834
3 Omr 15.1753 -4.2400 0.8717 -4.8700 0.0000 -78.5408
4 NoeEskelet 1.5979 21.2000 12.9500 1.6400 0.1060 3729.4219
5 Estehkam 3.5258 -11.6000 9.9050 -1.1700 0.2460 -924.8456
6 Tabaghe 2.6186 -1.3600 4.1780 -0.3300 0.7460 -145.9965
7 TedadOtagh 2.1856 -10.5000 15.0500 -0.7000 0.4860 -1350.4882
8 EstakhrSona 0.1649 34.8000 17.6400 1.9700 0.0530 59305.7250
9 SystemTahviye 2.0412 10.0000 10.3500 0.9700 0.3380 1377.1212
10 Asansor 0.4021 -11.5000 14.7100 -0.7800 0.4390 -8040.2692
11 Parking 0.7629 29.7000 11.0500 2.6800 0.0090 10943.6473
12 Noorgir 3.1753 6.8400 6.6780 1.0200 0.3100 605.5399
13 Nama 2.8144 18.4000 9.7070 1.8900 0.0630 1837.7758
14 BazarKar 3.8144 -10.9000 8.4470 -1.2900 0.2010 -803.2711
15 MarakezKharid 3.9897 23.9000 13.1400 1.8200 0.0740 1683.9310
16 Madares 3.5464 -23.1000 8.8280 -2.6100 0.0110 -1831.0108
17 Bozorgrahha 4.4639 -13.6000 7.7480 -1.7600 0.0840 -856.4231
18 Tafrigahha 3.4124 -0.0700 5.0960 -0.0100 0.9890 -5.7664
19 Masjed 2.7216 8.1400 6.6120 1.2300 0.2230 840.7325
20 Park 3.3196 3.5000 5.6050 0.6200 0.5350 296.3804
21 FazayeSabz 3.0619 -0.9100 6.4280 -0.1400 0.8880 -83.5454
22 Amniyat 4.0000 -9.6800 8.4080 -1.1500 0.2540 -680.2695
23 AlayandeSoty 3.1546 9.3500 6.3970 1.4600 0.1490 833.1583
24 AlayandeZistMohity 2.8351 4.5300 7.8460 0.5800 0.5660 449.1619
25 CheshmAndaz 3.0825 -2.0200 6.9510 -0.2900 0.7720 -184.2118
26 SatheFarhangy 3.5567 4.1000 11.8000 0.3500 0.7290 324.0426
27 Khalvaty 2.7629 10.9000 8.3150 1.3100 0.1960 1108.9937
28 NosazBodanAtraf 2.8041 -3.4600 7.8900 -0.4400 0.6620 -346.8523
29 NazdikyMasjed 0.2990 30.1000 14.7800 2.0400 0.0460 28301.2655
30 NazdikyMadrese 0.5876 8.7000 10.9700 0.7900 0.4320 4161.8053
31 Sarmaye 3.5155 -13.9000 5.6570 -2.4600 0.0170 -1111.4701
32 Tavarom 2.5773 6.7700 8.4920 0.8000 0.4280 738.3904
33 Shardary 3.9588 -24.5000 10.1900 -2.4000 0.0190 -1739.6914
34 Tarakom 3.3608 -9.3900 6.8900 -1.3600 0.1780 -785.3900
35 Bank 2.3196 -3.8900 9.1670 -0.4200 0.6720 -471.4161
36 Dolat 3.0722 -3.9200 7.2990 -0.5400 0.5930 -358.6800

جدول 4-1 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش خطی)

 

 

  Average Coef Stdev t-ratio p IMPLYP
1 LnGheymat 5.5600          
2 Masahat 107.3299 0.0079 0.0009 8.7100 0.0000 0.0004
3 Omr 15.1753 -0.0103 0.0027 -3.7900 0.0000 -0.0038
4 NoeEskelet 1.5979 0.0610 0.0406 1.5000 0.1380 0.2122
5 Estehkam 3.5258 0.0019 0.0310 0.0600 0.9520 0.0030
6 Tabaghe 2.6186 -0.0032 0.0131 -0.2400 0.8100 -0.0068
7 TedadOtagh 2.1856 0.0433 0.0471 0.9200 0.3620 0.1102
8 EstakhrSona 0.1649 0.1350 0.0553 2.4400 0.0180 4.5505
9 SystemTahviye 2.0412 0.0085 0.0324 0.2600 0.7950 0.0232
10 Asansor 0.4021 -0.0003 0.0461 -0.0100 0.9950 -0.0041
11 Parking 0.7629 0.1000 0.0346 2.9000 0.0050 0.7288
12 Noorgir 3.1753 0.0178 0.0209 0.8500 0.3990 0.0312
13 Nama 2.8144 0.0507 0.0304 1.6700 0.1010 0.1002
14 BazarKar 3.8144 -0.0150 0.0265 -0.5700 0.5730 -0.0219
15 MarakezKharid 3.9897 0.0580 0.0412 1.4100 0.1640 0.0808
16 Madares 3.5464 -0.0386 0.0277 -1.4000 0.1680 -0.0605
17 Bozorgrahha 4.4639 -0.0537 0.0243 -2.2100 0.0310 -0.0669
18 Tafrigahha 3.4124 -0.0161 0.0160 -1.0100 0.3160 -0.0262
19 Masjed 2.7216 0.0315 0.0207 1.5200 0.1330 0.0644
20 Park 3.3196 0.0235 0.0176 1.3400 0.1860 0.0394
21 FazayeSabz 3.0619 0.0054 0.0201 0.2700 0.7900 0.0098
22 Amniyat 4.0000 -0.0517 0.0263 -1.9600 0.0540 -0.0719
23 AlayandeSoty 3.1546 0.0355 0.0200 1.7700 0.0810 0.0626
24 AlayandeZistMohity 2.8351 -0.0031 0.0246 -0.1300 0.9010 -0.0061
25 CheshmAndaz 3.0825 -0.0142 0.0218 -0.6500 0.5160 -0.0256
26 SatheFarhangy 3.5567 -0.0159 0.0370 -0.4300 0.6680 -0.0249
27 Khalvaty 2.7629 0.0278 0.0261 1.0700 0.2890 0.0559
28 NosazBodanAtraf 2.8041 -0.0095 0.0247 -0.3800 0.7020 -0.0188
29 NazdikyMasjed 0.2990 0.0904 0.0463 1.9500 0.0550 1.6812
30 NazdikyMadrese 0.5876 -0.0201 0.0344 -0.5800 0.5610 -0.1902
31 Sarmaye 3.5155 -0.0138 0.0177 -0.7800 0.4390 -0.0218
32 Tavarom 2.5773 0.0247 0.0266 0.9300 0.3570 0.0533
33 Shardary 3.9588 -0.0433 0.0319 -1.3600 0.1800 -0.0608
34 Tarakom 3.3608 -0.0415 0.0216 -1.9200 0.0590 -0.0687
35 Bank 2.3196 0.0002 0.0287 0.0100 0.9950 0.0005
36 Dolat 3.0722 -0.0062 0.0229 -0.2700 0.7880 -0.0112

جدول 4-2 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش نیمه لگاریتمی)

 

 

  Average Coef Stdev t-ratio p IMPLYP
1 LnGheymat 5.5600          
2 LnMasahat 4.6158 0.9960 0.0810 12.3000 0.0000 1.1997
3 LnOmr 2.0779 -0.1310 0.0223 -5.8800 0.0000 -0.3505
4 LnNoeEskelet 0.4145 0.0329 0.0541 0.6100 0.5450 0.4414
5 LnEstehkam 1.2321 -0.0701 0.0916 -0.7700 0.4470 -0.3163
6 LnTabaghe 0.8317 -0.0196 0.0266 -0.7400 0.4630 -0.1310
7 LnTedadOtagh 0.7150 -0.1310 0.0803 -1.6400 0.1070 -1.0187
8 EstakhrSona 0.1649 0.0774 0.0545 1.4200 0.1600 2.6089
9 LnSystemTahviye 0.6902 0.0592 0.0689 0.8600 0.3940 0.4769
10 Asansor 0.4021 -0.0715 0.0471 -1.5200 0.1340 -0.9887
11 Parking 0.7629 0.1050 0.0322 3.2700 0.0020 0.7652
12 LnNoorgir 1.0922 0.0200 0.0561 0.3600 0.7220 0.1018
13 LnNama 1.0085 0.0778 0.0547 1.4200 0.1600 0.4289
14 LnBazarKar 1.2653 -0.1460 0.0681 -2.1400 0.0360 -0.6415
15 LnMarakezKharid 1.3493 0.1360 0.1253 1.0800 0.2820 0.5604
16 LnMadares 1.2072 -0.1310 0.0774 -1.6900 0.0960 -0.6033
17 LnBozorgrahha 1.4544 -0.0146 0.0766 -0.1900 0.8490 -0.0558
18 LnTafrigahha 1.1111 -0.0456 0.0377 -1.2100 0.2310 -0.2282
19 LnMasjed 0.9264 0.0113 0.0446 0.2500 0.8000 0.0678
20 LnPark 1.0998 0.0844 0.0467 1.8100 0.0760 0.4267
21 LnFazayeSabz 1.0301 0.0067 0.0446 0.1500 0.8810 0.0362
22 LnAmniyat 1.3346 -0.1020 0.0671 -1.5100 0.1350 -0.4249
23 LnAlayandeSoty 1.0660 0.0512 0.0471 1.0900 0.2810 0.2670
24 LnAlayandeZistMohity 0.9803 -0.0270 0.0676 -0.4000 0.6910 -0.1531
25 LnCheshmAndaz 1.0662 0.0334 0.0557 0.6000 0.5510 0.1742
26 LnSatheFarhangy 1.2449 -0.1320 0.1139 -1.1600 0.2520 -0.5895
27 LnKhalvaty 0.9699 0.0692 0.0654 1.0600 0.2950 0.3967
28 LnNosazBodanAtraf 0.9835 0.0263 0.0602 0.4400 0.6630 0.1487
29 NazdikyMasjed 0.2990 0.0596 0.0435 1.3700 0.1760 1.1084
30 NazdikyMadrese 0.5876 -0.0038 0.0315 -0.1200 0.9050 -0.0360
31 LnSarmaye 1.1909 -0.0022 0.0477 -0.0500 0.9630 -0.0103
32 LnTavarom 0.8686 0.1140 0.0544 2.1000 0.0400 0.7297
33 LnShardary 1.3473 -0.1800 0.1134 -1.5900 0.1180 -0.7428
34 LnTarakom 1.1604 -0.0705 0.0590 -1.1900 0.2370 -0.3378
35 LnBank 0.7400 -0.0211 0.0634 -0.3300 0.7410 -0.1585
36 LnDolat 1.0268 -0.0067 0.0547 -0.1200 0.9030 -0.0363

جدول 4-3 رگرسیون هدانیک قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران (روش لگاریتمی دوبل)

 

نمودار های 4-1 تا 4-3 روند تغییر قیمت مسکن نسبت به افزایش مساحت واحد مسکونی را در

 

 

برآورد به سه روش خطی ، نیمه لگاریتمی و لگاریتمی دوبل ، مورد بررسی قرار می دهند.چنانچه ملاحظه می شود قیمت ملک با افزایش مساحت ، در کل روند صعودی دارد و افزایش و کاهش آن در برخی نقاط مربوط به تغییرات در سایر پارامتر های تعیین کننده قیمت می باشد.

نمودار 4-3

تغییرات خطای برآورد بر حسب قیمت ملک در نمودارهای 4-4 تا 4-6 نمایش داده شده است. این نمودار ها بیشترین و کمترین میزان خطا را در هر یک از برآورد ها مشخص می نمایند.چنانچه ملاحظه می شود در برآورد به روش خطی کمترین میزان خطا در مساحت 80 متر مربع و بیشترین میزان آن در مساحت 161 متر مربع اتفاق می افتد. این مقادیر در مدلهای نیمه لگاریتمی و لگاریتمی دوبل به ترتیب 90 ، 175 و 100 ، 160 متر مربع می باشد. یعنی در هر 3 مدل برآورد کننده ، با افزایش مساحت ملک ، میزان خطای برآورد نیز افزایش می یابد و این مطلب می تواند عدم وابستگی خطی قیمت و مساحت را نشان دهد.به همین ترتیب برای سایر پارامتر ها نیز می توان بررسی خطا را انجام داد.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

نمودار 4-6

 

 

 

 

 

 

 

 

4-5 اعتبار سنجی نتایج حاصله

به منظور بررسی نحوه برآورد مدل و میزان صحت نتایج ،مجددا تعداد 50 فرم پرسشنامه – ضمیمه شماره 3 – از دو روش توزیع در بنگاهها و پرسشنامه تلفنی تکمیل و در سه فرم خطی ، نیمه لگاریتمی و لگاریتمی دوبل به کار برده شد و خروجی ها ی مدل با قیمت تعیین شده توسط فروشنده مقایسه گردید . نتایج حاصل از این مقایسه برای هر سه مدل در جدول 4-4 آمده است.

 

 

ردیف قیمت برآورد

خطی

برآورد

نیمه لگاریتمی

برآورد

لگاریتمی دوبل

خطا

خطی

خطا

نیمه لگاریتمی

خطا

لگاریتمی دوبل

1 189 209.8000 204.9365 203.9077 20.8000 15.9365 14.9077
2 236 249.9200 243.8736 223.9396 13.9200 7.8736 12.0604
3 250 268.3600 240.7358 236.7885 18.3600 9.2642 13.2115
4 214 214.8800 199.5670 199.3885 0.8800 14.4330 14.6115
5 350 343.3200 324.4236 338.7787 6.6800 25.5764 11.2213
6 210 226.8600 218.4703 219.0002 16.8600 8.4703 9.0002
7 180 197.0200 193.3303 199.5612 17.0200 13.3303 19.5612
8 340 343.5000 336.2315 328.0694 3.5000 3.7685 11.9306
9 280 299.0800 281.4346 280.3820 19.0800 1.4346 0.3820
10 189 212.7300 194.2799 200.1902 23.7300 5.2799 11.1902
11 464 498.2700 477.4216 465.6554 34.2700 13.4216 1.6554
12 350 345.0000 335.7947 334.1256 5.0000 14.2053 15.8744
13 280 291.7100 283.5816 288.5412 11.7100 3.5816 8.5412
14 208 186.5100 194.6007 197.4630 21.4900 13.3993 10.5370
15 199 175.6000 189.8910 185.9736 23.4000 9.1090 13.0264
16 350 347.8700 364.2899 358.3656 2.1300 14.2899 8.3656
17 180 179.3400 183.1307 188.8896 0.6600 3.1307 8.8896
18 210 246.9700 217.5438 201.2961 36.9700 7.5438 8.7039
19 250 260.2500 257.7010 250.5632 10.2500 7.7010 0.5632
20 189 205.0500 201.1398 195.4453 16.0500 12.1398 6.4453
21 202 198.5300 192.8668 190.3702 3.4700 9.1332 11.6298
22 237 233.4700 245.9308 247.6210 3.5300 8.9308 10.6210
23 285 286.4000 271.4967 254.4448 1.4000 13.5033 30.5552
24 300 291.3100 288.8334 281.7556 8.6900 11.1666 18.2444
25 175 194.3500 186.2891 188.8657 19.3500 11.2891 13.8657
26 160 159.7300 179.4506 188.9470 0.2700 19.4506 28.9470
27 240 251.8800 240.3028 233.5954 11.8800 0.3028 6.4046
28 130 126.4400 139.5887 119.1175 3.5600 9.5887 10.8825
29 123 115.7800 139.0314 133.5857 7.2200 16.0314 10.5857
30 156 148.9200 160.4528 152.2461 7.0800 4.4528 3.7539
31 180 197.4200 191.4257 201.0739 17.4200 11.4257 21.0739
32 266 282.6400 265.2572 259.4206 16.6400 0.7428 6.5794
33 166 178.2900 173.4605 189.1102 12.2900 7.4605 23.1102
34 176 147.9700 171.0490 173.6670 28.0300 4.9510 2.3330
35 162 154.7700 166.5424 171.0136 7.2300 4.5424 9.0136
36 180 163.8400 179.1458 168.3203 16.1600 0.8542 11.6797
37 166 146.5900 170.4173 168.8014 19.4100 4.4173 2.8014
38 195 209.0100 198.4525 209.3354 14.0100 3.4525 14.3354
39 176 185.5200 186.9610 181.6138 9.5200 10.9610 5.6138
40 194 196.0800 189.1045 200.6982 2.0800 4.8955 6.6982
41 162 123.7500 156.9536 166.6430 38.2500 5.0464 4.6430
42 257 259.4100 248.9744 252.4642 2.4100 8.0256 4.5358
43 198 217.9600 208.0545 205.7987 19.9600 10.0545 7.7987
44 381 374.7600 376.9641 370.2732 6.2400 4.0359 10.7268
45 276 281.8900 259.2259 264.2307 5.8900 16.7741 11.7693
46 120 129.0000 152.4749 130.6876 9.0000 32.4749 10.6876
47 200 213.4200 203.9347 215.2196 13.4200 3.9347 15.2196
48 301 334.0300 309.3119 311.5646 33.0300 8.3119 10.5646
49 294 278.5100 284.7040 291.6041 15.4900 9.2960 2.3959
50 176 190.2000 183.4790 174.5594 14.2000 7.4790 1.4406

جدول 4-4 مقایسه نتایج حاصل از سه مدل خطی، نیمه لگاریتمی و لگاریتمی دوبل در برآورد قیمت مسکن برا ی واحد های آپارتمانی منطقه 2 تهران

 

 

 

فصل پنجم

 

نرم افزار

 

به منظور سهولت ورود اطلاعات در بانک داده ها و همچنین برآورد قیمت مسکن در ازای داده های مختلف و نشان دادن نحوه برآورد روش های مختلف مدل در این پروژه به طراحی نرم افزاری به نام “مسکن” پرداختیم.در این فصل به توضیح مراحل طراحی و همچنین نحوه کار با نرم افزار می پردازیم.

 

5-1 طراحی نرم افزار “مسکن

طراحی نرم افزاری که دارای بانک داده بوده و  همچنین توانایی دریافت ورودی ، نگهداری ورودی در بانک و پردازش ورودی ها باشد مستلزم استفاده از نرم افزارهای برنامه نویسی ویژوال[26] است ، به همین دلیل از نرم افزار Visual Basic 6.0 استفاده شد.

5-2 نحوه کار با نرم افزار “مسکن

این نرم افزار دارای 4 فرم مجزا جهت ارتباط با کاربر می باشد :

  • منوی اصلی
  • فرم برآورد قیمت مسکن
  • فرم ورود اطلاعات
  • فرم خروجی بانک داده

5-2-1 منوی اصلی

همانور که در شکل 5-1 نشان داده شده است منوی اصلی شامل 4 گزینه می باشد :

با انتخاب گزینه برآورد قیمت مسکن  صفحه ای مطابق شکل 5-2 باز می شود که در آن با وارد کردن مقادیر خواسته شده و انتخاب گزینه ی برآورد قیمت مسکن به سه روش مختلف استفاده شده در این پروژه ، برآورد می گردد.

 

 

 

 

 

 

 

شکل 5-1 فرم اصلی نرم افزار

 

با انتخاب گزینه ورود اطلاعات فرم دیگری مشابه فرم قبل (شکل 5-3 ) باز شده که در آن کاربر می تواند با داشتن اطلاعات درست که شامل قیمت ملک و سایر مشخصات آن می باشد ، اطلاعات را به بانک داده اضافه نماید.

گزینه ویرایش اطلاعات خروجی بانک را در اختیار کاربر قرار می دهد که قابلیت ویراش اطلاعات را نیز دارد . چنانچه کاربر اطلاعات نادرستی را وارد کرده باشد در این فرم قادر به حذف یا ویرایش آن می باشد.

با انتخاب گزینه خروج کاربر از محیط نرم افزار خارج می شود.

 

5-2-2 فرم برآورد قیمت مسکن

مطابق شکل ، این فرم گزینه هایی را مشابه فرم پرسشنامه در اختیار کاربر قرار می دهد که با تکمیل آن و انتخاب گزینه برآورد ، قیمت ملک با ویژگی های وارد شده ، به سه روش خطی ، نیمه لگاریتمی و لگاریتمی دوبل محاسبه و نمایش داده می شود.

لازم به ذکر است که در این فرم تمامی گزینه ها بایستی تکمیل شوند ، در غیر این صورت پیغام “لطفا تمامی گزینه ها را تکمیل نمایید” ظاهر می شود.

 

 

 

 

 

 

 

 

 

 

 

 

شکل 5-2 نمای فرم برآورد قیمت مسکن

به منظور سهولت در وارد کردن داده ها ، برای مواردی که کاربر انتخاب های مشخصی را (مثلا 1 تا 5 ) دارد ، لیست گزینه ها در مقابل پارامتر مربوطه قرار داده شده که می توان گزینه مورد نظر را از داخل لیست انتخاب نمود.

پارامتر هایی که شامل دو جواب بلی و خیر می باشند نیز بصورت چک باکس[27] در فرم آمده اند که انتخاب آن بمعنی بلی و عدم انتخاب برابر با گزینه خیر می باشد.

با انتخاب گزینه منوی اصلی فرم برآورد قیمت بسته شده و منوی اصلی نمایان می شود.گزینه خروج نیز منجر به خارج شدن از محیط نرم افزار می گردد.

 

 

5-2-3 فرم ورود اطلاعات

فرم ورود اطلاعات نیز مشابه فرم برآورد قیمت می باشد. با این تفاوت که در این فرم کاربر اطلاعات را از روی فرم تکمیل شده پرسشنامه وارد می نماید و آنرا به بانک داده ها می افزاید. به ای ترتیب با اضافه شدن اطلاعات به بانک داده ها و استفاده مجدد از آن در برآورد رگرسیون هدانیک در آینده می توان ضرایب مناسب تری را بدست آورد.

 

 

 

 

 

 

 

 

 

 

شکل 5-3  نمای فرم ورود اطلاعات

 

 

 

 

5-2-4  فرم خروجی بانک داده

این فرم مطابق شکل شکل 5-4  بوده و اطلاعات بانک را بصورت جدولی که در بانک داده[28] ذخیره می شود ، نمایش می دهد که در آن کاربر قادر به حذف یا ویرایش خانه های جدول می باشد.در این نرم افزار از بانک داده اکسس[29] استفاده شده است.

 

 

 

 

 

 

 

شکل 5-4  نمای فرم خروجی بانک داده

 

 

 

 

 

فصل ششم

 

نتیجه گیری و پیشنهادات آتی


در این مقاله که با هدف تعیین عوامل موثر بر قیمت مسکن در واحد های آپارتمانی تدوین گردیده است ، با استفاده از مدلهای مختلفی (خطی ، نیمه لگاریتمی و لگاریتمی دوبل ) ، عوامل مختلف تاثیر گذار بر قیمت مسکن مورد مطالعه قرار گرفت.

نا همگنی و مرکب بودن مسکن باعث گردید تا از مدل قیمت هدانیک برای تعیین عوامل موثر بر قیمت مسکن استفا ده شود. با توجه به محدود بودن میزان آمار گرد آوری شده می توان گفت مدلها درجه تشخیص نسبتا مناسبی  را نشان می دهند و مثبت و منفی بودن ضرایب مدل بخوبی تاثیر افزاینده و کاهنده ی متغیر مربوطه را بر قیمت مسکن بیان می نماید.

6-1 نتیجه گیری

در میان ویژگی های فیزیکی در هر سه مدل برآورد کننده ، تاثیر مثبت مساحت واحد آپارتمانی و متقابلا تاثیر منفی عمر واحد بخوبی نشان داده شده است. از بین پارامترهایی که با مقادیر 1 تا 5 ارزش گذاری میشوند در مدل خطی پارامتر هایی مثل دسترسی به بازار کار ، مدرسه و تفریحگاه و بعضی پارامترهای دیگر که به خودی خود در قیمت تاثیر مثبتی را دارا می باشند ، با ضرایب منفی مشخص گردیده اند و این امر در مدل نیمه لگاریتمی و لگاریتمی دوبل به چشم نمی خورد[30].با توجه به اینکه در تهیه پرسشنامه سعی بر این بوده که عوامل مثبت با مقدار بالاتری مشخص گردند ، لذا منفی بودن ضرایب در مدل خطی دور از انتظار بوده و می توان مدلهای لگاریتمی را مناسب تر دانست.

نتایج بدست آمده از مدلهای نیمه لگاریتمی و لگاریتمی دوبل از میان 23 مورد از عوامل که با مقادیر 1 تا 5 عددگذاری شده بودند ، ده پارامتر زیر را از مهمترین عوامل تعیید کننده قیمت مسکن نشان می دهد :

  • سهولت دسترسی به مدارس
  • سرمایه ها یا نقدینگی موجود در بازار
  • توجه مسئولین شهرداری به مسائل شهری
  • سهولت دسترسی به مراکز خرید
  • سهولت دسترسی به بزرگراهها
  • کیفیت صوتی محل از نظر عدم وجود آلاینده های صوتی
  • میزان تراکم و نوع کاربری اعلام شده
  • میزان خلوتی محل
  • سهولت دسترسی به بازار کار

10- سهولت دسترسی به مسجد

همچنین عوامل زیر 5 عاملی را که کمترین تاثیرگذاری در قیمت را دارند نشان می دهد :

  • سهولت دسترسی به تفریگاهها
  • میزان استحکام بنا از لحاظ مصالح بکار رفته
  • میزان فضای سبز
  • نورگیر بودن
  • کیفیت چشم انداز واحد مسکونی

با استفاده از مدلهای مشابه و بکارگیری روشهای ارزیابی مناسب و دقیق تر ، می توان قیمت ضمنی واحد های مسکونی را در نواحی مختلف شهری بدست آورد. این برآوردها می تواند برای تقویم ارزش املاک ، تعیین عوارض سالیانه شهری املاک، تعیین مالیات بر نقل و انتقال و حقوقی دولتی ثبت اسناد و املاک مبنای عمل قرار گیرد.

استفاده از روش هدانیک قیمت در تعیین ارزش واحد های مسکونی ، مبنای کارشناسی برای تغییر در ساختار درآمد شهرداری ها و کاهش اتکاء به عوارض ساخت و ساز و فروش تراکم و افزایش اتکاء به عوارض نوسازی (درصدی از ارزش املاک و مستغلات ) را فراهم میکند.

با وضع عوارض بر املاک و مستغلات به عنوان بخش مهم و تعیین کننده از ثروت و داریی افراد، با توجه به اصل توانایی پرداخت می توان میزان مالیات را به تناسب ثروت افراد وصول نمود.

 

6-2  پیشنهادات

با عنایت به روند یکارگرفته شده در این مطالعه و همچنین دستاورد های مدل قیمت هدانیک موارد زیر را می توان جهت بهبود و کاراتر بودن مطالعات آتی عنوان نمود:

  • مواردی از قبیل “دارا بودن انباری” ، “سهم زمین” و غیره از عوامل تاثیر گذار در قیمت مسکن می باشند که در این مطالعه عنوان نشده اند. با افزودن عواملی از این دست می توان به غنای نتایج حاصله افزود.
  • در تهیه پرسشنامه در این مطالعه میزان تاثیر گذاری شاخص ها با مقادیر 1 تا 5 مشخص می گردد، بدیهی است چنانچه بعنوان مثال بجای نشان دادن سهولت دسترسی به مدارس با عدد 4 آنرا با میزان مسافت مربوطه تا مدرسه با واحد کیلومتر مشخص نماییم ، نه تنها اعداد دقیق تری بدست می آید بلکه مدل در تعیین ضرایب و همچنین قیمت ضمنی ،اعداد معنی دار تری را خواهد داد.
  • با توجه به خروجی های بدست آمده از سه مدل برآورد کننده قیمت، می توان گفت مدلهای لگاریتمی در تعیین میزان تاثیر عوامل بهتر عمل می نمایند. لذا جهت مطالعات هدانیک بر قیمت کالاهای ناهمگن نظیر مسکن، مدلهای لگاریتمی مناسب تر می باشند.

 

 

 

 

ضمائم

 

 

منطقه محله های مشهور پیش شماره تلفن
1 نیاوران ، جماران ، فرمانیه، اقدسیه، دارآباد، آجودانیه، کاشانک 2283-2220-2228-2229
تجریش، سعدآباد، زعفرانیه، دزاشیب، دربند 2273-2272-2271-2270
قیطریه، فرشته، الهیه، چیذر 2268-2267-2264-2224-2223-2221-2220
ازگل، خیابان لویزان، شهرک نفت، دارآباد 2244-2245-2246-2249-7732
ولنجک، درکه، اوین، منطقه شمالی (محدوده زندان اوین) 2224-2240-2241-2242-2244

 

 

 

 

محاسبه α

اشکال زیر داده های پرسشنامه و محاسبه α توسط نرم افزار SPSS را نشان می دهند

  • پ
  • ارامتر های بخش ویژگی های دسترسی : (8025/0 = α) > 6/0 ، قابل قبول.

به همین ترتیب برای سایر بخش ها داریم :

  • پارامتر های بخش ویژگی های محلی : (8161/0 = α) > 6/0 ، قابل قبول.
  • پارامتر های بخش دیدگاه شخصی : (6079/0 = α) > 6/0 ، قابل قبول.

 

 

 

 

 

 

 

 

منابع و مراجع

 

منابع و مراجع فارسی

 

(1) دکتر نعمت الله اکبری ،دکتر مصطفی عماد زاده ،سید علی رضوی ، “بررسی عوامل موثر بر قیمت مسکن در شهر مشهد : رهیافت اقتصاد سنجی فضایی در روش هدانیک” ،فصلنامه پژوهشهای اقتصادی ، شماره 11 و 12 ،بهار و تابستان 1383

(2) یزدانی بروجنی ،فردین “برآورد تابع تقاضا برای ویژگی های مسکن در مناطق شهری ،کاربرد الگوی قیمت هدانیک، مورد شهر کرد ،استان چهار محال و بختیاری “پایان نامه کارشناسی ارشد ،بخش اقتصاد دانشگاه شیراز ،1375

(3) عسكري، علي و قادري جعفر. (1382 ” ( مدل هدانيك تعيين قيمت مسكن در مناطق شهري ايران.“ مجله علمي- پژوهشي پژوهش‌هاي اقتصادي دانشگاه تربيت مدرس، سال دوم شماره4.

 

منابع و مراجع انگلیسی

 

[1] David M. Brasington , Louisiana State University Department of Economics Baton Rouge, LA 70803 & Diane Hite, Associate Professor , Auburn University

Department of Agricultural Economics and Rural Sociology , (2006) ,”A Mixed Index Approach to Identifying Hedonic Price Models”.

 

[2] Sylvia Jansen , (2006) , “Developing a House Price Index for the Netherlands:A practical application of Weighted Repeat Sales” , Paper presented at the ENHR conference “Housing in an expanding Europe:theory, policy, participation and implementation” Ljubljana, Slovenia 2.

 

[3] Nalini Prasad & Anthony Richards , (2006-04) ,”Measuring Housing Price Growth –Using Stratifi cation to Improve Median-based Measures” , RDP.

 

 

[4] Case KE and RJ Shiller, (1987) ,”Prices of single-family homes since 1970: new indexes for four cities”, New England Economic Review, September/October,

pp 45–56.

 

[5] Goodman AC and TG Thibodeau , (2003) , “Housing market segmentation and

hedonic prediction accuracy” , Journal of Housing Economics, 12(3), pp 181–201.

 

[6] Hansen J, (2006) , “Australian house prices: a comparison of hedonic and repeat-sales measures”, Reserve Bank of Australia Research Discussion Paper

No 2006-03.

 

[7] Meese RA and NE Wallace, (1997) “The construction of residential housing price

indices: a comparison of repeat-sales, hedonic-regression, and hybrid approaches” , Journal of Real Estate Finance and Economics, 14(1–2), pp 51–73.

 

[8] Kim, Ch.W., et al., (2003) , Measuring the Benefits of Air Quality Improvement: A Spatial Hedonic Approach, Journal of Environmental Economics and Management, 45, 24-39.

 

 

[1] Rosen and Falis,1998

[2] Megboulugbe and Linneman,1993

[3] Rosen, 1974

[4] Case Study

[5] روزنامه اعتماد شماره 1615) 25/11/86 > صفحه4 (اقتصاد ) محمود جهاني )

[6] روزنامه اعتماد شماره 1615) 25/11/86 > صفحه4 (اقتصاد ) محمود جهاني )

[7] برگرفته از سایت  http://www.investopedia.com/terms/h/hedonicpricing.asp

[8] برگرفته از سایت  http://www.ecosystemvaluation.org/hedonic_pricing.htm

 

[9] Tyrvainen,1997

[10] Rosen, 1974

[11] Case and Shiller ,1987

[12] Bowden ,1992

[13] Meese and Wallace ,1997 و …

[14] Multiple Regression

[15] Case Study

[16] 

[18] به این حالت Ill-Conditioned می گویند.

[19] Reliability

[20] Cronbach’s α

[21] منظور از لگاریتم همان لگاریتم طبیعی یا Ln می باشد.

[22]  بجز متغیر هایی که دو مقدار 0 و 1 می پذیرند و متغیر هایی که از تعداد حالات خاصی تبعیت می کنند (مانند نوع اسکلت بنا که شامل فلزی و بتونی می شود) از سایر متغیر ها در فرم لگاریتمی دوبل Ln گرفته می شود.

[23] Coefficient

[24] Standard Error

[25] Implicit Price

[26] Visual

[27] Check Box

[28] Data Bank

[29] Accsess

[30] بجز یک مورد که در مدل لگاریتمی دوبل ضریب عامل “میزان استحکام بنا منفی شده است.

بدون برچسب

584 بازدید کل ، 1 امروز

  

ارسال نظر

  • بررسی عوامل موثر در قیمت گذاری مسکن

    با در 1394/03/04 - 0 نظرات

        چکیده تعیین و برآورد قیمت مسکن در مناطق شهری از اهمیت زیادی برای برنامه ریزان وتصمیم گیران برخوردار است. این برآورد به ویژه اگر بتواند سهم عوامل تاثیرگذار در ارزش املاک را به خوبی منعکس نماید، می تواند در برنامه ریزی وتصمیم گیری در بسیاری از سیاست های شهری و منطقه ای مورد […]

  • کوه صفه

    با در 1394/03/04 - 1 نظرات

    پارک کوهستانی صفه در جنوب شهر اصفهان، بر روی کوه صفه، در جنوب تقاطع بزرگراه های شهید اقارب پرست و شهدای صفه واقع شده است که دسترسی به آن بسیار آسان است. بلندترین نقطه ارتفاعی این مجموعه، ۲۲۵۷ متر می باشد. این کوه از شمال به جاده کمربندی، از غرب به کوههای تخت رستم و دره خان، […]

  • ۷ اصل کلیدی سرمایه گذاری در ملک های ایران

    با در 1394/03/04 - 0 نظرات

    ۷ اصل کلیدی سرمایه گذاری در ملک سرمایه گذاری در ملک یکی از متداول‌ترین نوع سرمایه‌گذاری از سال‌های قبل بوده و هست. اغلب افراد اولین فکری که درباره سرمایه‌های مازاد خود بعد از تامین نیازهای ضروری اولیه‌شان می‌کنند، استفاده از این سرمایه‌ها برای خرید خانه دوم، زمین یا ویلا است تا از این طریق بتوانند […]

  • مظنه آپارتمان‌های 50 متری تهران؟ +جدول...

    با در 1394/03/03 - 0 نظرات

  • قیمت مسکن بالا می رود ؟

    با در 1394/03/04 - 0 نظرات

    پیش‌بینی رییس اتحادیه املاک از بازار مسکن سال آینده